论文部分内容阅读
我国铜矿资源品位低且组成复杂，选别难度大，特别是嵌布粒度不均匀的滑石型黄铜矿石尤为难选。此类矿石中易泥化的滑石和磁黄铁矿细磨后会严重影响黄铜矿的浮选指标。本文借助红外光谱(FTIR)和原子力显微镜(AFM)等方法分析了煤油和黄药浮选分离黄铜矿与滑石、黄铁矿和磁黄铁矿的内在原因，并从黄铜矿、滑石、黄铁矿和磁黄铁矿的浮选动力学分析入手，研究了药剂制度和粒度对上述四种矿物浮选动力学性能的影响规律。在此基础上，首次利用优化的神经网络建立了浮选动力学仿真模型，提出了此类难选铜矿石的分级分速浮选工艺，为滑石型难选铜矿石的高效利用提供理论基础和技术支撑。
单矿物浮选速率试验结果表明，在pH≤8.3的煤油体系中，-0.109+0.074mm(粗粒级)、-0.074+0.038mm(中粒级)的黄铜矿、滑石、黄铁矿和磁黄铁矿的浮选速率均较快，同时上浮;-0.038mm(细粒级)和-0.109mm(全粒级)上述四种矿物，浮选1min内黄铜矿的阶段K值远高于其它三种矿物的阶段K值，浮选1min后滑石的阶段K值最大，浮选4.5min时黄铜矿和滑石的回收率相接近;针对细粒级上述四种矿物，当煤油用量25.6mg/L、浮选时间4.5min时，黄铜矿、滑石、黄铁矿和磁黄铁矿的累计回收率分别为96.56％、87.38％、36.24％和58.23％。
在黄药体系下，CMC-Na、PAM、糊精、SHMP和水玻璃等5种抑制剂对单矿物浮选速率的试验结果表明，CMC-Na是滑石和黄铜矿浮选分离的最佳抑制剂，采用CaO调节矿浆pH值到11.5时，黄铜矿和滑石的可浮性差异最大。在矿浆pH值为11.5的黄药体系下，不同粒级黄铜矿、滑石、黄铁矿和磁黄铁矿的阶段K值均与CMC-Na用量呈负相关性、与黄药用量呈正相关性。在浮选2.5min内，黄铜矿的阶段K值远高于其它三种矿物的阶段K值;随浮选时间的延长，细粒级和全粒级黄铜矿的阶段K值逐渐降低，粗粒级和中粒级黄铜矿的阶段K值先迅速降低、2.5min后趋于平稳;而各粒级滑石的阶段K值在浮选4.5min内始终处于较低值。通过分速浮选可知，当CMC-Na用量4mg/L、黄药用量20mg/L和浮选时间2.5min时，粗粒级黄铜矿与滑石浮游差较大，其值为79.97％;当CMC-Na用量8mg/L、黄药用量20mg/L和浮选时间2.5min时，中粒级黄铜矿与滑石的浮游差较大，其值为76.56％;细粒级和全粒级黄铜矿与滑石可浮性差异较大的CMC-Na用量、黄药用量和浮选时间分别为32mg/L、80mg/L和4.5min，此时细粒级和全粒级黄铜矿与滑石的浮游差分别为46.72％和70.04％;与粗粒级、中粒级和全粒级相比，细粒级黄铜矿与滑石的浮游差较小。
通过FTIR和AFM分析可知，在黄药体系下，黄药可在黄铜矿、黄铁矿、磁黄铁矿表面发生化学吸附，且其在黄铜矿表面的吸附量较大，在黄铁矿和滑石表面的吸附量较少;黄铜矿与黄铁矿、磁黄铁矿的作用力较大，黄铜矿与滑石的作用力很小，故在黄药体系中，有利于黄铜矿与滑石的分离。在煤油体系下，煤油可物理吸附于滑石、黄铜矿和磁黄铁矿的表面，其可在黄铜矿和滑石表面大量吸附，而在黄铁矿及磁黄铁矿表面的吸附量较小;黄铜矿与滑石的作用力较大，黄铜矿与黄铁矿、磁黄铁矿的作用力较小，故在煤油体系中，有利于黄铜矿与黄铁矿、磁黄铁矿的分离。
粗粒级、中粒级、细粒级的黄铜矿、滑石、黄铁矿和磁黄铁矿在不同工艺条件下的浮选过程均符合分速浮选动力学模型，采用遗传算法的超限学习机优化算法(简称GA-ELM)，建立了上述各粒级单矿物的分速浮选动力学仿真模型，实现了药剂制度和浮选动力学方程的双向预测。在GA-ELM浮选动力学预测模型的基础上，将模型的调用范围放大到[ε-△ε,ε+△ε]，根据浮选药剂对浮选速率的等比变化规律，计算模拟出既定时间下累计回收率的浮选动力学曲线和药剂用量，减小了数据量不足带来的预测误差。通过对两种矿物浮选分离的药剂用量进行最小求差，建立了两种矿物分离的浮选动力学预测模型，黄铜矿和滑石浮选分离的预测药剂制度与分级浮选试验结果相吻合。
人工混合矿浮选速率试验结果表明，采用浮选动力学预测模型推荐的药剂制度，在黄药体系下可实现四个粒级黄铜矿-滑石二元人工混合矿的浮选分离。针对粗粒级和中粒级黄铜矿-滑石二元人工混合矿，浮选4min可分别得到铜品位33.51％和33.72％、累计回收率94.27％和92.94％的铜精矿;细粒级和全粒级二元人工混合矿，浮选7min可分别得到铜品位27.66％和28.63％、累计回收率87.04％和91.68％的铜精矿;与细粒级和全粒级相比，粗粒级和中粒级浮选时间短、分选效果好，这与单矿物分级浮选结果相一致。
当黄铜矿和滑石浮选分离过程中混有黄铁矿和磁黄铁矿时，采用上述分离预测模型推荐的药剂制度，粗粒级和中粒级的黄铜矿-滑石-黄铁矿-磁黄铁矿四元人工混合矿浮选7min可分别得到铜品位为25.40％和20.90％、累计回收率为59.23％和63.07％的铜精矿。细粒级和全粒级上述四元人工混合矿浮选7min所得精矿铜品位均低于15.30％。可见，磁黄铁矿和黄铁矿的存在使得单一的黄药或煤油体系无法实现细粒级和全粒级黄铜矿与滑石的浮选分离。在煤油-黄药混合药剂体系下，对上述细粒级四元人工混合矿进行了浮选试验研究，可得到铜品位21.60％、累计回收率78.65％的铜精矿，实现了黄铜矿与其它三种矿物的有效分离。
在上述研究基础上，针对铜陵有色金属集团冬瓜山滑石型难选铜矿石进行了分级分速浮选试验研究，即+0.038mm粒级的铜矿石在黄药体系下，-0.038mm粒级的铜矿石在煤油-黄药混合药剂体系下进行浮选闭路试验，可得到铜品位22.88％、产率3.65％、回收率84.21％的铜精矿，实现了此类难选铜矿石的浮选分离。
本文通过单矿物和人工混合矿浮选试验研究，建立了GA-ELM浮选动力学仿真模型和矿物浮选动力学预测模型，结合矿物浮选动力学预测模型的模拟结果和实际矿石的分级浮选试验研究，提出了粗、细不同粒级在不同药剂体系下的分级分速浮选工艺，提高了冬瓜山滑石型难选铜矿石浮选分离过程的稳定性，也为相关难选铜矿石的浮选分离提供了借鉴。
单矿物浮选速率试验结果表明，在pH≤8.3的煤油体系中，-0.109+0.074mm(粗粒级)、-0.074+0.038mm(中粒级)的黄铜矿、滑石、黄铁矿和磁黄铁矿的浮选速率均较快，同时上浮;-0.038mm(细粒级)和-0.109mm(全粒级)上述四种矿物，浮选1min内黄铜矿的阶段K值远高于其它三种矿物的阶段K值，浮选1min后滑石的阶段K值最大，浮选4.5min时黄铜矿和滑石的回收率相接近;针对细粒级上述四种矿物，当煤油用量25.6mg/L、浮选时间4.5min时，黄铜矿、滑石、黄铁矿和磁黄铁矿的累计回收率分别为96.56％、87.38％、36.24％和58.23％。
在黄药体系下，CMC-Na、PAM、糊精、SHMP和水玻璃等5种抑制剂对单矿物浮选速率的试验结果表明，CMC-Na是滑石和黄铜矿浮选分离的最佳抑制剂，采用CaO调节矿浆pH值到11.5时，黄铜矿和滑石的可浮性差异最大。在矿浆pH值为11.5的黄药体系下，不同粒级黄铜矿、滑石、黄铁矿和磁黄铁矿的阶段K值均与CMC-Na用量呈负相关性、与黄药用量呈正相关性。在浮选2.5min内，黄铜矿的阶段K值远高于其它三种矿物的阶段K值;随浮选时间的延长，细粒级和全粒级黄铜矿的阶段K值逐渐降低，粗粒级和中粒级黄铜矿的阶段K值先迅速降低、2.5min后趋于平稳;而各粒级滑石的阶段K值在浮选4.5min内始终处于较低值。通过分速浮选可知，当CMC-Na用量4mg/L、黄药用量20mg/L和浮选时间2.5min时，粗粒级黄铜矿与滑石浮游差较大，其值为79.97％;当CMC-Na用量8mg/L、黄药用量20mg/L和浮选时间2.5min时，中粒级黄铜矿与滑石的浮游差较大，其值为76.56％;细粒级和全粒级黄铜矿与滑石可浮性差异较大的CMC-Na用量、黄药用量和浮选时间分别为32mg/L、80mg/L和4.5min，此时细粒级和全粒级黄铜矿与滑石的浮游差分别为46.72％和70.04％;与粗粒级、中粒级和全粒级相比，细粒级黄铜矿与滑石的浮游差较小。
通过FTIR和AFM分析可知，在黄药体系下，黄药可在黄铜矿、黄铁矿、磁黄铁矿表面发生化学吸附，且其在黄铜矿表面的吸附量较大，在黄铁矿和滑石表面的吸附量较少;黄铜矿与黄铁矿、磁黄铁矿的作用力较大，黄铜矿与滑石的作用力很小，故在黄药体系中，有利于黄铜矿与滑石的分离。在煤油体系下，煤油可物理吸附于滑石、黄铜矿和磁黄铁矿的表面，其可在黄铜矿和滑石表面大量吸附，而在黄铁矿及磁黄铁矿表面的吸附量较小;黄铜矿与滑石的作用力较大，黄铜矿与黄铁矿、磁黄铁矿的作用力较小，故在煤油体系中，有利于黄铜矿与黄铁矿、磁黄铁矿的分离。
粗粒级、中粒级、细粒级的黄铜矿、滑石、黄铁矿和磁黄铁矿在不同工艺条件下的浮选过程均符合分速浮选动力学模型，采用遗传算法的超限学习机优化算法(简称GA-ELM)，建立了上述各粒级单矿物的分速浮选动力学仿真模型，实现了药剂制度和浮选动力学方程的双向预测。在GA-ELM浮选动力学预测模型的基础上，将模型的调用范围放大到[ε-△ε,ε+△ε]，根据浮选药剂对浮选速率的等比变化规律，计算模拟出既定时间下累计回收率的浮选动力学曲线和药剂用量，减小了数据量不足带来的预测误差。通过对两种矿物浮选分离的药剂用量进行最小求差，建立了两种矿物分离的浮选动力学预测模型，黄铜矿和滑石浮选分离的预测药剂制度与分级浮选试验结果相吻合。
人工混合矿浮选速率试验结果表明，采用浮选动力学预测模型推荐的药剂制度，在黄药体系下可实现四个粒级黄铜矿-滑石二元人工混合矿的浮选分离。针对粗粒级和中粒级黄铜矿-滑石二元人工混合矿，浮选4min可分别得到铜品位33.51％和33.72％、累计回收率94.27％和92.94％的铜精矿;细粒级和全粒级二元人工混合矿，浮选7min可分别得到铜品位27.66％和28.63％、累计回收率87.04％和91.68％的铜精矿;与细粒级和全粒级相比，粗粒级和中粒级浮选时间短、分选效果好，这与单矿物分级浮选结果相一致。
当黄铜矿和滑石浮选分离过程中混有黄铁矿和磁黄铁矿时，采用上述分离预测模型推荐的药剂制度，粗粒级和中粒级的黄铜矿-滑石-黄铁矿-磁黄铁矿四元人工混合矿浮选7min可分别得到铜品位为25.40％和20.90％、累计回收率为59.23％和63.07％的铜精矿。细粒级和全粒级上述四元人工混合矿浮选7min所得精矿铜品位均低于15.30％。可见，磁黄铁矿和黄铁矿的存在使得单一的黄药或煤油体系无法实现细粒级和全粒级黄铜矿与滑石的浮选分离。在煤油-黄药混合药剂体系下，对上述细粒级四元人工混合矿进行了浮选试验研究，可得到铜品位21.60％、累计回收率78.65％的铜精矿，实现了黄铜矿与其它三种矿物的有效分离。
在上述研究基础上，针对铜陵有色金属集团冬瓜山滑石型难选铜矿石进行了分级分速浮选试验研究，即+0.038mm粒级的铜矿石在黄药体系下，-0.038mm粒级的铜矿石在煤油-黄药混合药剂体系下进行浮选闭路试验，可得到铜品位22.88％、产率3.65％、回收率84.21％的铜精矿，实现了此类难选铜矿石的浮选分离。
本文通过单矿物和人工混合矿浮选试验研究，建立了GA-ELM浮选动力学仿真模型和矿物浮选动力学预测模型，结合矿物浮选动力学预测模型的模拟结果和实际矿石的分级浮选试验研究，提出了粗、细不同粒级在不同药剂体系下的分级分速浮选工艺，提高了冬瓜山滑石型难选铜矿石浮选分离过程的稳定性，也为相关难选铜矿石的浮选分离提供了借鉴。