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。     

安徽某含碳铅锌矿选矿工艺试验

为了高效综合回收安徽某含碳铅锌难选矿,在矿石性质研究的基础上对该矿进行了试验研究。研究结果表明：通过采用铅锌优先浮选工艺流程,最终获得了铅品位55.35%、铅回收率94.76%的铅精矿,锌品位55.46%、锌回收率91.98%的锌精矿,硫品位43.55%、硫回收率70.90%的硫精矿,为该矿石的回收利用确定了最优的浮选工艺。     

安徽某钼矿浮选工艺研究

根据安徽某钼矿的矿石性质,进行了选矿试验研究.针对该辉钼矿嵌布不均匀、解离比较困难的特点,试验采用了粗选磨矿细度-0.074mm75%,水玻璃分散抑制矿泥脉石,钼硫混合浮选的工艺流程.粗精矿分别经过一段再磨和两段再磨后五次精选对比,结果表明,粗精矿采用一段再磨精选后便可获得合格钼精矿.在优化多种工艺条件的基础上进行了闭路试验,采用一粗二扫,粗精矿再磨,六次精选工艺便可获得钼品位50.30%、回收率81.18%的钼精矿.      

云南磨憨砂岩铜矿的浮选回收

云南磨憨砂岩铜矿含铜0. 77%,其中以氧化铜形式存在的铜金属率达45. 45%。孔雀石为主要铜矿物和目的矿物,具有氧化不充分,与褐铁矿伴生的特点,为难选矿石。浮选试验结果表明,以3 000 g/t石灰作调整剂和抑制剂、1 000 g/t硫化钠作活化剂、90 g/t丁基黄药作捕收剂、35 g/t松醇油作为起泡剂,在磨矿细度-74μm占比85%的条件下,经过"三次粗选—二次精选—一次扫选"流程,可实现铜品位18. 006%,铜回收率80. 01%的浮选指标。     

云南永善铜矿浮选试验研究

云南永善铜矿含铜0.503%,氧化率为23.46%,其中结合氧化铜占11.53%,属低品位混合铜矿。针对矿石性质进行了浮选试验研究,确定了适合于处理该矿石的最佳的浮选流程和条件。研究表明,以黄药为捕收剂,2#油为起泡剂,硫化钠为活化剂,水玻璃为抑制剂,Na2CO3为pH调整剂,采用一次粗选一次扫选四次精选的浮选流程获得了铜精矿品位为23.27%、回收率为87.43%的指标,为该矿的开发利用提供技术依据。     

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。     

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。     

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.