云南某铜选厂尾矿再选试验

云南某铜选厂矿石矿泥含量大,导致尾矿铜品位高并还含有大量矿泥。尾矿中铜主要分布在+37 μm粒级,铜在该粒级分布率为66.07%;-10 μm粒级产率为44.39%,而铜在该粒级分布率仅11.41%。采用旋流器预先脱泥、脱碳工艺进行预处理,在旋流器锥角为10°、沉砂口直径为3 mm、给矿压力为0.15 MPa、给矿浓度为11%时,获得的沉砂铜品位为2.35%、回收率为72.41%。沉砂中铜虽然主要以次生硫化铜形式存在,但铜的氧化率达30%以上。为确定沉砂的合理选矿工艺,进行了硫化铜、氧化铜依次选别和硫化铜、氧化铜混合选别探索性对比。结果表明,硫化铜、氧化铜依次选别工艺指标优于硫化铜、氧化铜混合选别工艺。采用硫化铜、氧化铜依次选别工艺,在磨矿细度为-0.074 mm占90%的条件下,以水玻璃、六偏磷酸钠为脉石抑制剂、硫化钠为氧化铜矿物活化剂、丁基黄药为捕收剂进行闭路浮选,获得了精矿铜品位为15.16%、作业回收率为81.05%、对原矿回收率为58.69%的选别指标。     

金平镍矿Ⅰ号岩体镍矿石新工艺试验研究

金平镍矿矿石性质复杂,属于极难选矿石。原现场生产工艺选别指标不甚理想。为改善原有工艺,提高选矿厂效益,我们进行了大量的试验研究,最终确定了新的选别工艺。与现场生产工艺相比,新工艺具有不脱泥以及扫选泡沫再磨再选等特点。新工艺开路试验使镍精矿品位达到3.24%(3.14%),回收率达65.74%(67.96%)。     

神经网络在选矿试验研究中的应用

人工神经网络是80年代发展起来的数据处理技术，随着科学技术的进步和矿业生产的发展，为了提高效率，人们一直在寻求以较少的试验工作量，来获取最佳的指标。本文运用神经网络技术，在正交试验的基础上，以较少的试验工作量，建立了高精度的变量间的非线性回归方程，取得了满意的效果。     

某低品位铜矿浮选工艺研究

所研究的矿石中目的矿物以辉铜矿、孔雀石为主,原矿含铜0.77%,氧化率为16.88%,属于低品位混合铜矿。针对矿石性质,对硫化铜优先浮选工艺和硫化铜与氧化铜混合浮选工艺进行了试验研究。并根据优先浮选和混合浮选的特点,最终采用了两次粗选、一次扫选的闭路试验流程,取得了铜精矿品位为22.62%、回收率为86.78%、含银225.81 g/t的浮选指标。该工艺流程简单合理,易于实现工业化生产。     

某含金黄铁矿半工业试验

某含金黄铁矿中金含量为3.83g/t。为获得合格半工业产品,为后续的氰化提金提供原料。进行了实验室流程试验、实验室扩大连续试验、实验室优化试验以及半工业试验。最终获得金精矿产率5.77%,含金55.5g/t,金回收率83.35%;丢弃的尾矿含金0.68g/t的指标。     

用非线性建模选取选矿工艺参数值

神经网络在用于选矿厂建模过程中，一般只用于预测选矿效果，很少用于指导选矿现场。本研究利用神经网络，从选矿生产历史数据本身出发，找到精矿品位和回收率与药剂用量的非线性关系，利用此关系确定药剂的用量，可用于指导选厂实际生产过程。     

中国锡资源现状及对锡工业发展的思考

综述了中国锡资源及锡工业的现状,阐述了中国锡工业对资源优势过分依赖,采取保护性开发有限的资源,调控合理量出口,加强锡深加工产品开发,稳定国内外市场行情的策略,得出了锡前景短期内仍不容乐观的结论.     

一种特殊类型的含铜黄铁矿的浮选工艺研究

城门山铜矿是一个以铜、硫为主的大型矿床。由于该矿床特殊的矿石性质，至今没有找到一种经济适用的选矿工艺以开发利用该矿石。描述了该矿石的特点，并对几种可能采用的选矿工艺作了研究。     

2012年云南选矿年评

依据2012年反映云南选矿进展的文献资料和云南选矿科技工作者发表的相关论文,对该年度的云南选矿工作——主要从选矿工艺、选矿自动化、选矿新型设备和药剂以及资源再利用等方面进行了评述。