跳汰机在黑钨选矿厂粗选段的应用

跳汰机在黑钨选矿厂粗选段的应用黑钨选矿厂处理出窿矿石贫化率都较高，一般含有废石８０％左右。为了提高选矿厂处理景，提高选矿回收率和降低生产成本，黑钨选矿厂通常设有粗选工段，采用人工手选或者扒械分拣，丢弃大量废石，为重选工段提供高品位的合格矿。但是，过去...     

云南某低品位钨锡矿选矿试验研究

云南某钨锡矿含钨0.323%,锡0.140%,二氧化硅63.13%,三氧化二铝17.44%,氧化钙2.92%,氧化镁2.44%,在矿石工艺矿物学及试验研究的基础上,采用一段磨至-0.5mm,针对不同的床型,开展水力分级,进行摇床粗选,混合精矿脱硫、除铁、常温浮选分离钨锡的选矿工艺,获得了钨精矿产率0.31%,钨品位71.06%,钨回收率67.69%,含锡0.56%;锡精矿产率0.12%,锡品位58.18%,锡回收率50.94%,含钨3.80%,锡富中矿产率0.21%,锡品位4.22%,锡回收率6.87%,含钨2.69%,综合锡回收率57.81%的技术指标。     

河北某钒钛磁铁矿选铁尾矿预选工艺试验

河北某地钒钛磁铁矿TiO2品位仅6.76%,理论回收率为67.00%,为了经济高效的回收钛铁矿,对原矿隔渣、除铁后分别进行了SLon型系列高梯度强磁选、圆锥选矿机重选、圆锥粗选—强磁精选浮选前预选3种工艺试验研究。试验结果表明,强磁选精矿含对浮选影响严重的橄榄石和绿泥石较多,钛品位低,但回收率高;圆锥选矿机重选除橄榄石和绿泥石干净,精矿品位高但回收率低;圆锥粗选—强磁精选效果最好,抛尾率达73.07%,精矿钛品位和回收率分别为23.77%和43.26%,且精矿含橄榄石、绿泥石极少是优质的浮选原料。     

莫桑比克某重砂矿重选与筛分粗选对比试验研究

针对莫桑比克某重砂原矿有价金属品位低、主要金属分布集中和单体解离度高等特点,开展了螺旋溜槽和高频振动细筛粗选工业对比试验研究。分别考察了螺旋溜槽设备类型、给矿浓度和处理能力等因素对粗选螺旋溜槽分选效果的影响,高频振动细筛筛孔尺寸、给矿浓度和处理能力等因素对粗选筛分效果的影响,并进行了二者最优条件的粗选工业对比试验。对比试验结果表明,粗选螺旋溜槽分选指标优于高频振动细筛,螺旋溜槽获得的粗精矿TiO₂品位比高频振动细筛粗精矿TiO₂品位高20.96个百分点,尾砂抛除率比高频振动细筛高35.07个百分点,且粗选螺旋溜槽设备投资仅占高频振动细筛的43.48%。该研究成果为莫桑比克某重砂矿资源开发利用粗选工艺的选择提供技术依据和支持。     

基于改进慢快双流网络的锌快粗选工况识别北大核心

锌快粗选是锌浮选的第一个浮选工艺,其工况状态直接影响后续精选和扫选的性能效果。现有基于卷积神经网络的浮选工况识别方法直接构建泡沫图像和工况类别的关系模型,自动挖掘与工况关联的泡沫深度特征,取得了一定的效果,但忽略了不同采样率下泡沫视频的动态时序信息。为此,提出一种基于改进慢快双流网络的模型,通过泡沫视频对锌快粗选工况进行识别。首先,以慢快双流网络作为主干网络,引入P3D-A轻量化结构减少网络参数,提高模型推理效率。然后,融入时间注意力模块(Time Attention, TA)、空间注意力模块(Channel Spatial Attention, CSA)和空间时间聚合模块(Spatial Time Together, STT),对泡沫视频时空特征进行有效表征,促进双流网络融合。最后,设计辅助网络(Auxiliary Network, AN),降低模型过拟合,提高工况识别准确率。实验结果表明,所提方法能准确地识别锌快粗选工况,准确率达82.54%,与已有的慢快双流网络相比,准确率提高了11.98%。