CN105023091A - 一种定量评价选矿流程可优化程度的方法 - Google Patents

Abstract

本发明公开了一种定量评价选矿流程可优化程度的方法，包括以下过程：按工艺流程编制取样流程图，根据需要确定取样位置和取样要求；流程取样；样品分析及研究；流程计算；确定总回收率与作业回收率之间的关系；分析作业回收率变化对总回收率变动的影响；定量评价选矿流程可优化程度。分析总回收率与单元作业回收率的定量数学关系，确定总回收率变动与各单元作业回收率敏感因子的定量数学关系，结合工艺矿物学研究，定量评价选矿流程可优化程度，对选矿工艺优化具有重要指导作用。

Description

一种定量评价选矿流程可优化程度的方法

技术领域

本发明涉及选矿工艺技术领域，涉及一种定量评价选矿流程可优化程度的方法。

背景技术

选矿厂要定期和不定期的对生产的状况、技术条件、技术指标、设备性能与工作状况、原料的性质、金属流失的去向以及有关的参数做局部及全部的流程调查，即流程考查。

流程考查对工艺过程和原始数据进行分析、计算，绘制选矿数质量流程图和矿浆流程图，编制三析(筛析、水析、镜析)表、金属平衡表、水量平衡表等。流程考查通常对理论总回收率和理论作业回收率、总回收率与作业回收率之间的关系、作业回收率变化对总回收率变动的影响等，缺乏定量化的评价，从而难以定量评价选矿流程的可优化程度。

发明内容

本发明的目的就在于提供一种定量评价选矿流程可优化程度的方法，可以定量评价选矿流程可优化程度。

本发明通过以下技术方案来实现：一种定量评价选矿流程可优化程度的方法，具体按照以下步骤进行：

步骤1，按工艺流程编制取样流程图，根据需要确定取样位置和取样要求；

步骤2，流程取样；

按取样流程图采取流程样品；

步骤3，样品分析及研究；

步骤4，流程计算；

根据工艺参数、技术条件和样品的各项测试数据，计算流程技术指标和流程考查结果，并绘制元素数质量流程图、矿物数质量流程图；

将实际浮选工艺流程简化为粗选、精选、扫选三个作业环节；

步骤5，确定总回收率与作业回收率之间的关系；

根据流程结构，分析确定总回收率与各作业回收率之间的定量数学关系；

总回收率R、粗选作业回收率R_u、扫选作业回收率R_n、精选作业回收率R_k之间的关系一般性地表示为：

R＝R(R_u，R_n，R_k)  (1)

式(1)所示总回收率与各环节作业回收率之间的关系如下：

$\frac{1}{R}=1+\frac{1}{R_u{R}_k}+\frac{R_n}{R_k}-\frac{R_n}{R_u{R}_k}-\frac{1}{R_k}---\left(4\right)$

浮选工艺流程改变时，式(1)所示总回收率与各环节作业回收率之间的关系相应改变；

步骤6，分析作业回收率变化对总回收率变动的影响；

计算各作业回收率敏感因子，分析确定总回收率变动与各单元作业回收率敏感因子的定量数学关系；

根据式(4)进一步推导，有：

$\frac{\∂R}{\∂R_u}=\frac{R^2}{R_k{R}_u^2}(1-R_n)---(5-1)$

$\frac{\∂R}{\∂R_n}=\frac{R^2}{R_k}(\frac{1}{R_u}-1)---\left(5-2\right)$

$\frac{\∂R}{\∂R_k}=\frac{R^2}{R_k^2}\left(\frac{1}{R_u}+R_n-\frac{R_n}{R_u}-1\right)---\left(5-3\right)$

分别为粗选、扫选、精选作业回收率敏感因子，敏感因子越大，说明该单元作业回收率变动对总回收率的影响越大；

步骤7，定量评价选矿流程可优化程度；

结合工艺矿物学研究结果，定量评价选矿流程可优化程度；

$\mathrm{\Δ}R=\frac{\∂R}{\∂R_u}{\mathrm{\ΔR}}_u+\frac{\∂R}{\∂R_n}{\mathrm{\ΔR}}_n+\frac{\∂R}{\∂R_k}{\mathrm{\ΔR}}_k---\left(3\right)$

ΔR表示实际回收率与理论回收率之间的差值，即流程可优化程度；ΔR_u、ΔR_n、ΔR_k分别表示粗选、扫选、精选实际作业回收率与理论作业回收率之间的差值，即粗选、扫选、精选各作业可优化程度；

对粗选、扫选、精选各作业单元的流程样品进行系统地工艺矿物学研究，确定各单元理论作业回收率，与实际作业回收率相比较，计算作业回收率提升空间。

进一步的，步骤1中浮选工艺流程，由磨矿、粗选、扫选、精选作业环节构成，取样位置包括：S0原矿、S1旋流器溢流、S2粗选精矿、S3扫选精矿、S4精I尾矿、S5精II尾矿、S6中矿、S7精矿、S8尾矿。

进一步的，步骤3中具体过程为：对样品进行测试和工艺矿物学研究，获取测试数据和工艺矿物学研究结果，包括浓度、品位、元素赋存状态、矿物嵌布及解离特征。

本发明的有益效果在于：与现有技术相比，本发明基于对理论总回收率和各单元理论作业回收率的研究，分析总回收率与单元作业回收率的定量数学关系，确定总回收率变动与各单元作业回收率敏感因子的定量数学关系，结合工艺矿物学研究，定量评价选矿流程可优化程度，对选矿工艺优化具有重要指导作用。

附图说明

图1是典型的浮选工艺流程结构示意图。

图2是简化的浮选工艺流程结构示意图。

图3是浮选工艺数质量流程图。

图4是浮选工艺流程各作业环节示意图。

具体实施方式

下面结合附图对本发明作进一步说明

本发明包括以下步骤：

(1)按工艺流程编制取样流程图，根据需要确定取样位置和取样要求；

图1所示典型的浮选工艺流程，由磨矿、粗选、扫选、精选作业环节构成，取样位置包括：S0原矿、S1旋流器溢流、S2粗选精矿、S3扫选精矿、S4精I尾矿、S5精II尾矿、S6中矿、S7精矿、S8尾矿。

(2)流程取样：按取样流程图采取流程样品；

(3)样品分析及研究：对样品进行测试和工艺矿物学研究，获取各项测试数据和工艺矿物学研究结果，包括浓度、品位、元素赋存状态、矿物嵌布及解离特征；

(4)流程计算：根据工艺参数、技术条件和样品的各项测试数据，计算流程技术指标和流程考查结果，并绘制元素数质量流程图、矿物数质量流程图；

图2是简化的浮选工艺流程结构示意图，将实际浮选工艺流程简化为粗选、精选、扫选三个作业环节。

图3是根据化验结果计算得到的浮选工艺数质量流程图。

(5)确定总回收率与作业回收率之间的关系：根据流程结构，分析确定总回收率与各作业回收率之间的定量数学关系；

图4是浮选工艺流程各作业环节示意图，

典型的流程结构通常包括粗选、精选、扫选三个作业环节，总回收率R、粗选作业回收率R_u、扫选作业回收率R_n、精选作业回收率R_k之间的关系一般性地表示为：

R＝R(R_u，R_n，R_k)  (1)

式(1)所示总回收率与各环节作业回收率之间的关系如下：

$\frac{1}{R}=1+\frac{1}{R_u{R}_k}+\frac{R_n}{R_k}-\frac{R_n}{R_u{R}_k}-\frac{1}{R_k}---\left(4\right)$

浮选工艺流程改变时，式(1)所示总回收率与各环节作业回收率之间的关系相应改变。

(6)分析作业回收率变化对总回收率变动的影响：计算各作业回收率敏感因子，分析确定总回收率变动与各单元作业回收率敏感因子的定量数学关系；

根据式(4)进一步推导，有：

$\frac{\∂R}{\∂R_u}=\frac{R^2}{R_k{R}_u^2}(1-R_n)---(5-1)$

$\frac{\∂R}{\∂R_n}=\frac{R^2}{R_k}(\frac{1}{R_u}-1)---\left(5-2\right)$

$\frac{\∂R}{\∂R_k}=\frac{R^2}{R_k^2}\left(\frac{1}{R_u}+R_n-\frac{R_n}{R_u}-1\right)---\left(5-3\right)$

分别为粗选、扫选、精选作业回收率敏感因子，敏感因子越大，说明该单元作业回收率变动对总回收率的影响越大。

(7)定量评价选矿流程可优化程度：结合工艺矿物学研究结果，定量评价选矿流程可优化程度。

$\mathrm{\Δ}R=\frac{\∂R}{\∂R_u}{\mathrm{\ΔR}}_u+\frac{\∂R}{\∂R_n}{\mathrm{\ΔR}}_n+\frac{\∂R}{\∂R_k}{\mathrm{\ΔR}}_k---\left(3\right)$

ΔR表示实际回收率与理论回收率之间的差值，即流程可优化程度；ΔR_u、ΔR_n、ΔR_k分别表示粗选、扫选、精选实际作业回收率与理论作业回收率之间的差值，即粗选、扫选、精选各作业可优化程度；理论作业回收率结合工艺矿物学研究结果确定。

对粗选、扫选、精选各作业单元的流程样品进行系统地工艺矿物学研究，确定各单元理论作业回收率，与实际作业回收率相比较，计算作业回收率提升空间。

实施例：

某铜选矿厂使用图1所示浮选工艺流程结构，取样位置包括：S0原矿、S1旋流器溢流、S2粗选精矿、S3扫选精矿、S4精I尾矿、S5精II尾矿、S6中矿、S7精矿、S8尾矿；

各样品分析铜品位，计算绘制图3所示浮选工艺数质量流程图，进而计算各单元作业回收率：粗选R_u＝90.29％，扫选R_n＝49.96％，精选R_k＝86.90％，总回收率R＝94.17％；

计算各单元作业回收率敏感因子，按式(5-1)～(5-3)计算得到： $\frac{\∂R}{\∂R_u}=0.63,\frac{\∂R}{\∂R_n}$ $=0.06,\frac{\∂R}{\∂R_k}=0.11;$

对流程节点关键样品进行工艺矿物学研究，包括：S0原矿、S1旋流器溢流、S2粗选精矿、S3扫选精矿、S4精I尾矿、S7精矿、S8尾矿，确定各单元理论作业回收率：粗选R_u＝92.84％，扫选R_n＝66.32％，精选R_k＝91.08％，总回收率R＝97.23％；

各单元作业回收率可优化程度：ΔR_u＝2.55％、ΔR_n＝16.36％、ΔR_k＝4.18％；

总回收率可优化程度：将上述结果按式(3)计算得到ΔR＝3.05％，其中，各单元作业优化对总回收率的贡献分别为：粗选1.61％、扫选0.98％、精选0.46％；

以上显示和描述了本发明的基本原理和主要特征及本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (3)

1.一种定量评价选矿流程可优化程度的方法，其特征在于，按照以下步骤进行：

步骤1，按工艺流程编制取样流程图，根据需要确定取样位置和取样要求；

步骤2，流程取样；

按取样流程图采取流程样品；

步骤3，样品分析及研究；

步骤4，流程计算；

根据工艺参数、技术条件和样品的各项测试数据，计算流程技术指标和流程考查结果，并绘制元素数质量流程图、矿物数质量流程图；

将实际浮选工艺流程简化为粗选、精选、扫选三个作业环节；

步骤5，确定总回收率与作业回收率之间的关系；

根据流程结构，分析确定总回收率与各作业回收率之间的定量数学关系；

总回收率R、粗选作业回收率R_u、扫选作业回收率R_n、精选作业回收率R_k之间的关系一般性地表示为：

R＝R(R_u，R_n，R_k)   (1)

式(1)所示总回收率与各环节作业回收率之间的关系如下：

$\frac{1}{R}=1+\frac{1}{R_u{R}_k}+\frac{R_n}{R_k}-\frac{R_n}{R_u{R}_k}-\frac{1}{R_k}---\left(4\right)$

浮选工艺流程改变时，式(1)所示总回收率与各环节作业回收率之间的关系相应改变；

步骤6，分析作业回收率变化对总回收率变动的影响；

计算各作业回收率敏感因子，分析确定总回收率变动与各单元作业回收率敏感因子的定量数学关系；

根据式(4)进一步推导，有：

$\frac{\∂R}{\∂R_u}=\frac{R^2}{R_k{R}_u^2}\left(1-R_n\right)---(5-1)$

$\frac{\∂R}{\∂R_n}=\frac{R^2}{R_k}\left(\frac{1}{R_u}-1\right)---(5-2)$

$\frac{\∂R}{\∂R_k}=\frac{R^2}{R_k^2}\left(\frac{1}{R_u}+R_n-\frac{R_n}{R_u}-1\right)---(5-3)$

分别为粗选、扫选、精选作业回收率敏感因子，敏感因子越大，说明该单元作业回收率变动对总回收率的影响越大；

步骤7，定量评价选矿流程可优化程度；

结合工艺矿物学研究结果，定量评价选矿流程可优化程度；

$\mathrm{\Δ}R=\frac{\∂R}{\∂R_u}{\mathrm{\ΔR}}_u+\frac{\∂R}{\∂R_n}{\mathrm{\ΔR}}_n+\frac{\∂R}{\∂R_k}{\mathrm{\ΔR}}_k---\left(3\right)$

ΔR表示实际回收率与理论回收率之间的差值，即流程可优化程度；ΔR_u、ΔR_n、ΔR_k分别表示粗选、扫选、精选实际作业回收率与理论作业回收率之间的差值，即粗选、扫选、精选各作业可优化程度；

对粗选、扫选、精选各作业单元的流程样品进行系统地工艺矿物学研究，确定各单元理论作业回收率，与实际作业回收率相比较，计算作业回收率提升空间。

2.根据权利要求1所述的一种定量评价选矿流程可优化程度的方法，其特征在于，所述步骤1中浮选工艺流程，由磨矿、粗选、扫选、精选作业环节构成，取样位置包括：S0原矿、S1旋流器溢流、S2粗选精矿、S3扫选精矿、S4精I尾矿、S5精II尾矿、S6中矿、S7精矿、S8尾矿。

3.根据权利要求1所述的一种定量评价选矿流程可优化程度的方法，其特征在于，所述步骤3中具体过程为：对样品进行测试和工艺矿物学研究，获取测试数据和工艺矿物学研究结果，包括浓度、品位、元素赋存状态、矿物嵌布及解离特征。