旋流-静态微泡浮选柱在某金矿的工业试验

通过工业分流条件试验,研究了旋流-静态微泡浮选柱在山东某金矿应用的最佳工艺条件参数.试验结果表明:用浮选柱的一次粗选、一次精选工艺流程与生产中用浮选机的一次粗选、二次精选、二次扫选的工艺流程相比,在尾矿品位接近的情况下,精矿品位可提高12.69g/t.     

浮选柱气含率影响因素及其回归模型研究

采用压差法测定了旋流-静态微泡浮选柱内部的气含率,分别通过单因素和正交试验研究了循环压力、进气量和起泡剂浓度3个因素对气含率的影响。在此基础上采用多元回归分析方法建立了试验条件下气含率与3个因素之间的回归模型。结果表明:气含率随进气量和起泡剂浓度的增大而增大;进气量不固定时,气含率随循环压力的增加而增大;进气量固定时,随循环压力的增加而逐渐减小。3个因素对气含率的影响从小到大依次为循环压力、进气量、起泡剂浓度。回归模型计算值与实测值之间误差较小,其达到了较高的计算精度。     

浮选柱自动控制技术研究进展

从浮选柱运行参数及其控制原理出发,总结了当前浮选柱自动控制的研究成果和发展方向,详细介绍了浮选柱液位、充气量、给料量和喷淋水等参数的自动控制方法和技术,并探讨了未来浮选柱自动控制技术的发展趋势。     

煤泥柱浮选的承载能力与气含率轴向分布

为优化柱浮选设备的处理能力和分选效果,采用压差法测定柱体内部的气含率,同时通过调整入料浓度和流速,分析煤泥柱浮选承载能力和气含率轴向分布的变化规律,并探索两者之间的内在联系及对煤泥分选效果的影响。结果表明：入料流速小于临界流速时,气含率在轴向上从底部到顶部依次增大;流速达到临界流速或以上时,气含率轴向分布发生逆变;临界流速随入料浓度的升高逐渐减小。承载能力随入料流速的增大先增大后减小,拐点为气含率轴向分布逆变的临界流速;一定范围内浓度的升高有利于提高承载能力和可燃体回收率。建立了煤泥柱浮选的承载能力预测模型,线性拟合的相关系数R 2=0.873,达到了较高的预测精度。     

选择性絮凝-柱浮选回收钼精选尾矿中的微细粒辉钼矿

针对某钼精选尾矿细泥含量大、辉钼矿嵌布粒度微细的特点,提出选择性絮凝-柱浮选新工艺,即先将钼精选尾矿进行选择性絮凝,采用高效的微细粒分选的设备旋流-静态微泡浮选柱进行分选,解决了该钼精选尾矿中微细粒辉钼矿的回收问题。利用浮选柱半工业试验系统,考察处理量、分散剂用量、捕收剂用量、絮凝剂用量、起泡剂用量和抑制剂用量等因素对浮选指标的影响,并优化工艺和操作参数条件,在此基础上进行连选试验。研究结果表明:采用选择性絮凝-柱浮选工艺,在浮选柱"一粗三精一扫"闭路流程的情况下,可获得钼精矿钼品位为34.40%、铜精矿铜品位为16.83%,钼回收率为73.97%、铜回收率为67.48%的良好指标。该技术的研究为钼精选尾矿中微细粒辉钼矿的回收提供了新思路。     

极低品位泥质难选氧化锌矿浮选试验研究

新疆某铅锌选矿厂尾矿主要为氧化锌矿,该氧化锌矿中Zn品位为1.26%、氧化率为76.38%;-15μm微细粒级含量为17.70%,矿石的含泥量较大;锌主要分布在+0.074 mm和-0.038 mm两个粒级;该氧化锌矿主要的可利用矿物为菱锌矿,脉石矿物主要为石英,属极低品位泥质难选氧化锌矿。该选矿厂现行的选矿工艺仅能有效回收矿石中的闪锌矿和方铅矿,而矿石中大量的氧化锌矿未能得到有效回收,造成资源浪费。为了有效回收矿石中的氧化锌矿,采用硫化-胺法浮选工艺和浮选柱设备开展了系统的半工业试验研究,试验内容包括脱泥与不脱泥对比试验、脱泥量试验、捕收剂选择试验、捕收剂用量试验、硫化钠用量试验、碳酸钠用量试验、水玻璃用量试验。结果表明:最佳试验条件为脱泥量10%、粗选药剂用量碳酸钠1000 g/t、水玻璃500 g/t、硫化钠6000 g/t、新型胺类捕收剂F210 30 g/t,采用两粗两精闭路浮选流程,得到的锌精矿中锌品位为28.64%、回收率为52.24%,实现了对该铅锌矿选矿厂尾矿中极低品位氧化锌矿的有效回收。     

难沉降煤泥水的凝聚-絮凝沉降试验研究

针对煤泥水难以自然沉降的问题,根据煤泥水的特性,选择聚丙烯酰胺为絮凝剂,明矾和聚合氯化铝为凝聚剂,进行了两组复配药剂的凝聚-絮凝沉降对比试验.试验结果表明:聚丙烯酰胺和聚合氯化铝联合使用的效果优于聚丙烯酰胺和明矾的联合;最佳试验条件是聚丙烯酰胺和聚合氯化铝联合使用,聚丙烯酰胺用量6mg/L,聚合氯化铝用量60mg/L,处理后上清液浓度为0.03g/L.     

煤油乳化捕收剂在细粒煤浮选中的研究

针对细粒煤泥的浮选特性,将选煤用煤油捕收剂乳化处理后使用,结果表明：乳化煤油具有捕收能力强、选择性高的特点,可以显著提高细粒煤的浮选效果,降低捕收剂消耗,具有显著的经济效益及社会效益,并从理论上对乳化剂的作用机理进行了阐述。     

旋流-静态微泡浮选柱分选指标的BP神经网络预测

采用BP神经网络模型,对不同操作条件下的分选指标进行了预测。选取捕收剂用量、起泡剂用量、循环压力和进气量作为输入因子,精煤灰分和可燃体回收率作为输出因子,建立了分选指标与操作参数的BP神经网络预测模型。结果表明：BP神经网络模型能准确预测分选指标,预测值与试验值之间误差小,精煤灰分和可燃体回收率的预测值与试验值的相对误差一般小于5%。     

基于BP神经网络的旋流-静态微泡浮选柱气含率预测

分析了影响旋流-静态微泡浮选柱气含率的因素,选取循环压力、进气量和起泡剂浓度3个主控因素作为BP神经网络模型的基本特征量,建立了浮选柱气含率与主控因素之间的相关关系和BP神经网络预测模型,并对气含率进行了预测分析.结果表明:BP神经网络能合理地表达浮选柱气含率与其主控因素之间的非线性映射关系,预测结果与实测值之间的相对误差一般小于5%,达到了较高的预测精度.