CN110175312B - 一种高梯度磁选中给矿粒度的精确匹配方法 - Google Patents
一种高梯度磁选中给矿粒度的精确匹配方法 Download PDFInfo
- Publication number
- CN110175312B CN110175312B CN201910404760.1A CN201910404760A CN110175312B CN 110175312 B CN110175312 B CN 110175312B CN 201910404760 A CN201910404760 A CN 201910404760A CN 110175312 B CN110175312 B CN 110175312B
- Authority
- CN
- China
- Prior art keywords
- ore
- magnetic
- feeding
- medium
- concentration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007885 magnetic separation Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000011707 mineral Substances 0.000 claims abstract description 95
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 92
- 239000002245 particle Substances 0.000 claims abstract description 63
- 238000010494 dissociation reaction Methods 0.000 claims abstract description 41
- 230000005593 dissociations Effects 0.000 claims abstract description 41
- 238000004364 calculation method Methods 0.000 claims abstract description 40
- 239000000203 mixture Substances 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 235000013339 cereals Nutrition 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 13
- 238000012986 modification Methods 0.000 claims description 6
- 230000004048 modification Effects 0.000 claims description 6
- 230000035699 permeability Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 230000005415 magnetization Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000006698 induction Effects 0.000 claims description 3
- 239000011148 porous material Substances 0.000 claims description 3
- 235000020985 whole grains Nutrition 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 13
- 239000012141 concentrate Substances 0.000 abstract description 9
- 238000000926 separation method Methods 0.000 abstract description 9
- 238000011084 recovery Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 abstract description 4
- YDZQQRWRVYGNER-UHFFFAOYSA-N iron;titanium;trihydrate Chemical compound O.O.O.[Ti].[Fe] YDZQQRWRVYGNER-UHFFFAOYSA-N 0.000 description 20
- 230000008569 process Effects 0.000 description 10
- 229910052611 pyroxene Inorganic materials 0.000 description 8
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000010349 pulsation Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 239000000178 monomer Substances 0.000 description 4
- 238000004445 quantitative analysis Methods 0.000 description 4
- 239000010936 titanium Substances 0.000 description 4
- 229910052719 titanium Inorganic materials 0.000 description 4
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 239000006148 magnetic separator Substances 0.000 description 3
- 229910052678 stilbite Inorganic materials 0.000 description 3
- 238000010998 test method Methods 0.000 description 3
- 201000004569 Blindness Diseases 0.000 description 2
- SZVJSHCCFOBDDC-UHFFFAOYSA-N iron(II,III) oxide Inorganic materials O=[Fe]O[Fe]O[Fe]=O SZVJSHCCFOBDDC-UHFFFAOYSA-N 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- GFNGCDBZVSLSFT-UHFFFAOYSA-N titanium vanadium Chemical compound [Ti].[V] GFNGCDBZVSLSFT-UHFFFAOYSA-N 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 229910001919 chlorite Inorganic materials 0.000 description 1
- 229910052619 chlorite group Inorganic materials 0.000 description 1
- QBWCMBCROVPCKQ-UHFFFAOYSA-N chlorous acid Chemical compound OCl=O QBWCMBCROVPCKQ-UHFFFAOYSA-N 0.000 description 1
- 238000003776 cleavage reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229910052595 hematite Inorganic materials 0.000 description 1
- 239000011019 hematite Substances 0.000 description 1
- 239000006246 high-intensity magnetic separator Substances 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- LIKBJVNGSGBSGK-UHFFFAOYSA-N iron(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[Fe+3].[Fe+3] LIKBJVNGSGBSGK-UHFFFAOYSA-N 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 229910052609 olivine Inorganic materials 0.000 description 1
- 239000010450 olivine Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 229910052655 plagioclase feldspar Inorganic materials 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 229910052683 pyrite Inorganic materials 0.000 description 1
- 239000011028 pyrite Substances 0.000 description 1
- NIFIFKQPDTWWGU-UHFFFAOYSA-N pyrite Chemical compound [Fe+2].[S-][S-] NIFIFKQPDTWWGU-UHFFFAOYSA-N 0.000 description 1
- 230000007017 scission Effects 0.000 description 1
- 238000011172 small scale experimental method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000031068 symbiosis, encompassing mutualism through parasitism Effects 0.000 description 1
- -1 titandiopside Inorganic materials 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
- B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
- B03C1/00—Magnetic separation
- B03C1/02—Magnetic separation acting directly on the substance being separated
- B03C1/025—High gradient magnetic separators
- B03C1/031—Component parts; Auxiliary operations
- B03C1/033—Component parts; Auxiliary operations characterised by the magnetic circuit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Manufacture And Refinement Of Metals (AREA)
Abstract
本发明公开了一种高梯度磁选中给矿粒度的精确匹配方法,首先利用预设矿物自动定量分析系统对给矿进行全粒级解离分析,并根据分析结果确定给矿粒径;然后根据矿浆浓度和给矿粒径测量不同粒级矿浆的黏度;接着根据现有介质条件,计算介质的梯度匹配,接下来根据介质的梯度匹配计算载荷浓度,根据载荷浓度和不同粒级矿浆的黏度,确定给矿浓度;然后划分网格,再根据矿物组成、解离情况、不同粒级矿浆的黏度、给矿浓度,建立给矿粒度约束,并基于建立的给矿粒度约束和网格计算,得到适用于该矿物的磁选参数,以实现给矿粒度的匹配。本发明实现了大大降低模拟试验次数,在提高精矿品位的同时提高其回收率、提高反选效率的技术效果。
Description
技术领域
本发明涉及分级高梯度磁选工艺技术领域,具体涉及一种高梯度磁选中给矿粒度的精确匹配方法。
背景技术
给矿粒度分级是选矿中常用的一种方法,在高梯度磁选中,影响选矿效率的因素主要为磁场强度和分级粒度。高梯度磁选的分选需通过内部填充的聚磁介质来实现,相对于颗粒粒径,介质丝半径应取合适的比值,这种合适的比例关系也被称为“梯度匹配”。当高梯度磁选机内介质参数不变时,对应的给矿粒度也需要进行分级调整,以获得理想的分级效果。
现有技术中,高梯度磁选中给矿粒度的分级标准通常采用的小型试验方法或实践经验来确定。本申请发明人在实施本发明的过程中,发现现有技术的方法,至少存在如下技术问题:
现有高梯度磁选中给矿粒度的分级标准多依赖于小型试验方法或实践经验来确定,存在着很大的模糊性,难以根据介质条件实现不同的矿物的差异化控制,对实际分选的指导能力还需提高。
由此可知,现有技术中的方法存在效率低的技术问题。
发明内容
有鉴于此,本发明提供了一种高梯度磁选中给矿粒度的精确匹配方法,用以解决或者至少部分解决现有技术中的方法存在的效率低的技术问题。
为了解决上述技术问题,本发明提供了一种高梯度磁选中给矿粒度的精确匹配方法,包括:
步骤S1:利用预设矿物自动定量分析系统对给矿进行全粒级解离分析,获得矿物的嵌布特征、矿物组成、解离度以及粒度分布数据,并根据嵌布特征、矿物组成、解离度以及粒度分布数据确定给矿粒径,其中最大给矿粒径为2bmax;
步骤S2:根据矿浆浓度和给矿粒径测量不同粒级矿浆的黏度;
步骤S3:根据现有介质条件,计算现有介质条件下的磁场分布磁场特性,并根据磁场特性计算介质的梯度匹配,其中,磁场分布磁场特性包括磁场强度,和单位体积磁力密度,梯度匹配包括梯度匹配峰值,曲线两次峰值点处的单位体积磁力密度;
步骤S4:根据介质的梯度匹配计算载荷浓度,根据载荷浓度和不同粒级矿浆的黏度,确定给矿浓度;
步骤S5:依据现有介质条件下的磁场分布磁场特性,将介质周围空间划为大小不一的网格,其中,网格线由磁感应线和等势线组成;
步骤S6:根据矿物组成、解离情况、不同粒级矿浆的黏度、给矿浓度,建立给矿粒度约束,并基于建立的给矿粒度约束和网格计算得到适用于该矿物的磁选参数,其中磁选参数包括给矿浆流速、矿粒度范围、高梯度磁选背景场强。
在一种实施方式中,步骤S2具体包括:
将矿浆浓度分为10%、20%、30%、35%4档;
分别测定全粒级、粗粒级、中间粒级以及细粒级矿物在不同浓度条件下黏度,其中,粗粒级对应的粒径为20~2mm或解离度为0-80%,中间粒级对应的粒径为2~0.2mm或解离度为80%-90%,细粒级对应的粒径0.2~0.02mm或解离度为90%-95%。
在一种实施方式中,步骤S3具体包括:
采用保角变换数值计算方法,并依据介质参数,获得单位背景场强下单根介质周围单位体积磁力密度分布情况f(b);
根据单位体积磁力密度分布情况计算磁力变化率在以圆形介质中心点为原点的坐标轴中与背景磁场平行方向的X轴上的变化,其中,b为X轴坐标;
根据磁力变化率变化曲线的首峰点坐标确定对应的梯度匹配,并根据梯度匹配确定梯度匹配曲线两次峰值点处的单位体积磁力密度。
在一种实施方式中,步骤S4具体包括:
根据介质的梯度匹配计算载荷质量,再基于载荷质量计算载荷浓度,其中,载荷质量的计算公式为式(1),载荷浓度的计算公式为式(2),
其中,mil表示为介质组内目的矿物的总质量,ρ、σ为目的矿物密度及其在原矿中含量,Se为梯度匹配区域面积,即双侧单位体积磁力密度近似椭圆与圆形介质面积之差,l为单根介质长度,t1、t2为介质的行列数,R为介质半径,m、n为近似椭圆的长短轴,xa为峰值点α的坐标,m0为分选腔内载体的质量;
根据载荷浓度和不同粒级矿浆的黏度,确定实际给矿浓度,其中,当矿浆完全通过介质盒,梯度匹配区域内载满目的磁性矿物,对应的给矿质量为载荷质量,此时的给矿浓度为载荷浓度,且实际给矿浓度小于载荷浓度。
在一种实施方式中,步骤S6具体包括:
根据矿物组成、解离情况、不同粒级矿浆的黏度、给矿浓度,以介质中心轴上的峰值点颗粒受力分析为基础,建立给矿粒度约束,方程组如式(6-5),通过网格法计算,,其中,给矿粒度约束为:
其中,fα、fβ为两次峰值点处的单位体积磁力密度,γ介于峰值点α和β之间,为X轴上坐标点,fγ为γ点处的单位体积磁力密度,为临界条件下的磁速度和脉动平均速度,分别为临界条件下的磁场-流场相对速度,采用步骤S5中分段网格法来计算,ρ1、χ1为目的矿物的密度、比磁化系数,ρ2、χ2为主要磁性脉石矿物的密度、比磁化系数,ρf为载体密度,η为真空磁导率,μ0为真空磁导率,bmin为最小给矿粒径的一半,bmax为最大给矿粒径的一半,表示相邻点间的平均磁速度,|Δf|为单位体积磁力密度差Δs为计算网格间距,
通过约束中的等式(3)确定矿浆流速:
通过约束中的等式(3)(5)确定给矿粒径范围:
由此确定峰值α点处最小临界给矿粒径为:
然后根据实际的筛孔条件来确定给矿的最小粒径,即控制该粒级以下矿物的含量;
通过逐步计算法调整背景场强来计算(3)、(4)和(5),确定高梯度磁选背景场强。
在一种实施方式中,所述方法还包括:对磁选参数进行优化,参数优化方程如下:
通过逐步计算法调整初始条件范围内的背景场强,通过如下方程组来计算特定冲程条件下的冲次值,使冲次条件与设备性能相符,其中,S为冲程,一个固定值,N为冲次;
进一步缩小背景场强范围,并初步确定适宜的冲次条件,对于脉动条件,依据如下方程式来确定;
式(9)中,S为冲程,为固定值),N为冲次,设峰值β点到介质表面的距离为ф,E(f)在该区间内单位体积磁力密度期望值,为将X轴上的磁场力依据网格进行离散,可以得到式(11)
式(11)中:xi为各网格单元在X轴上的距离与ф的比值,fi为该网格区间单位体积磁力密度的平均值。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明提供的一种高梯度磁选中给矿粒度的匹配方法,首先利用预设矿物自动定量分析系统对给矿进行全粒级解离分析,并根据分析结果确定给矿粒径,其中最大给矿粒径为2bmax;然后根据矿浆浓度和给矿粒径测量不同粒级矿浆的黏度;接着根据现有介质条件,计算现有介质条件下的磁场分布磁场特性,并根据磁场特性计算介质的梯度匹配,接下来根据介质的梯度匹配计算载荷浓度,根据载荷浓度和不同粒级矿浆的黏度,确定给矿浓度;然后依据现有介质条件下的磁场分布磁场特性,将介质周围空间划为大小不一的网格,再根据矿物组成、解离情况、不同粒级矿浆的黏度、给矿浓度,建立给矿粒度约束,并基于建立的给矿粒度约束和网格计算,得到适用于该矿物的磁选参数,,以实现给矿粒度的匹配。
相对于传统依赖于小型试验方法或实践经验来确定梯度匹配的方式而言,本发明通过计算聚磁介质的磁场分布来确定其梯度匹配峰值,然后依据矿物组成及解离情况、矿浆性质,建立给矿粒度约束条件方程,然后通过方程组的求解,得到适用于该矿物的给矿粒度范围、高梯度磁选背景场强等磁选参数。该方法能够基本确立合适的高梯度磁选条件范围,降低试验的盲目性,从而大大降低模拟试验次数,能够在提高精矿品位的同时提高其回收率。该方法能够提高梯度磁选的反选效率,同时也有助于实现高梯度磁选过程的自动优化控制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中一种高梯度磁选中给矿粒度的匹配方法的流程图;
图2为本发明实施例中求解磁选参数所采用的计算网格的示意图;
图3为本发明实施例中不同场强下最大控制粒径钛铁矿临界值示意图;
图4为本发明实施例中不同场强下最小控制粒径钛铁矿临界值示意图;
图5为本发明实施例中不同场强下主要磁性脉石矿物(最大控制粒径)临界值示意图;
图6为具体示例中高梯度磁选中给矿粒度匹配流程图。
具体实施方式
本发明的目的在于针对现有技术的不足,提供一种高梯度磁选中给矿粒度精确匹配方法,依据高梯度设备内的磁介质的磁场特性来精确计算给矿的粒度分级标准,并根据矿物粒度分级情况,制定适应给矿条件的高梯度磁选机的优化控制参数(背景场强、矿浆浓度及流速、脉冲条件等)。该方法可以大大减少小型模拟实验的次数,也有助于提高分选的效率。
为了实现上述技术效果,本发明的主要构思如下:
通过计算聚磁介质的磁场分布来确定其梯度匹配峰值,然后依据矿物组成及解离情况、矿浆性质等,建立给矿粒度约束条件方程,然后通过方程组的求解,得到适用于该矿物的给矿粒度范围以及高梯度磁选背景场强、冲程、冲次等参数的近似解。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
本实施例提供了一种高梯度磁选中给矿粒度的匹配方法,请参见图1,该方法包括:
步骤S1:利用预设矿物自动定量分析系统对给矿进行全粒级解离分析,获得矿物的嵌布特征、矿物组成、解离度以及粒度分布数据,并根据嵌布特征、矿物组成、解离度以及粒度分布数据确定给矿粒径,其中最大给矿粒径为2bmax;
具体来说,预设矿物自动定量分析系统为MLA(Mineral Liberation Analyser),通过该系统可以对矿物进行解离分析。根据嵌布特征、矿物组成、解离度以及粒度分布数据可以确定最大给矿粒度,其中,解离度与粒度分布相关,受嵌布特征影响。例如,目的矿物解离度≈85%所对应的粒级作为最大粒径。
步骤S2:根据矿浆浓度和给矿粒径测量不同粒级矿浆的黏度。
在一种实施方式中,步骤S2具体包括:
将矿浆浓度分为10%、20%、30%、35%4档;
分别测定全粒级、粗粒级、中间粒级以及细粒级矿物在不同浓度条件下黏度,其中,粗粒级对应的粒径为20~2mm或解离度为0-80%,中间粒级对应的粒径为2~0.2mm或解离度为80%-90%,细粒级对应的粒径0.2~0.02mm或解离度为90%-95%。
步骤S3:根据现有介质条件,计算现有介质条件下的磁场分布磁场特性,并根据磁场特性计算介质的梯度匹配,其中,磁场分布磁场特性包括磁场强度,和单位体积磁力密度,梯度匹配包括梯度匹配峰值,曲线两次峰值点处的单位体积磁力密度。
其中,步骤S3具体包括:
采用保角变换数值计算方法,并依据介质参数,获得单位背景场强下单根介质周围单位体积磁力密度分布情况f(b);
根据单位体积磁力密度分布情况计算磁力变化率在以圆形介质中心点为原点的坐标轴中与背景磁场平行方向的X轴上的变化,其中,b为X轴坐标;
根据磁力变化率变化曲线的首峰点坐标确定对应的梯度匹配,并根据梯度匹配确定梯度匹配曲线两次峰值点处的单位体积磁力密度。
具体来说,保角变换数值计算方法为复变函数论中数值保角变化法,介质参数包括形状、尺寸、间距等,磁力变化率为b*f(b),梯度匹配为k,且k=(b-R)/R,R为圆形介质半径。
步骤S4:根据介质的梯度匹配计算载荷浓度,根据载荷浓度和不同粒级矿浆的黏度,确定给矿浓度。
具体来说,载荷浓度是最大给矿浓度条件,依据梯度匹配计算得出。当给矿浓度过大时,黏度会增加,因此,实际给矿浓度因综合载荷浓度和矿浆黏性来确定。
其中,步骤S4具体包括:
根据介质的梯度匹配计算载荷质量,再基于载荷质量计算载荷浓度,其中,载荷质量的计算公式为式(1),载荷浓度的计算公式为式(2),
其中,mil表示为介质组内目的矿物的总质量,ρ、σ为目的矿物密度及其在原矿中含量,Se为梯度匹配区域面积,即双侧单位体积磁力密度近似椭圆与圆形介质面积之差,l为单根介质长度,t1、t2为介质的行列数,R为介质半径,m、n为近似椭圆的长短轴,xa为峰值点α的坐标,m0为分选腔内载体的质量;
根据载荷浓度和不同粒级矿浆的黏度,确定实际给矿浓度,其中,当矿浆完全通过介质盒,梯度匹配区域内载满目的磁性矿物,对应的给矿质量为载荷质量,此时的给矿浓度为载荷浓度,且实际给矿浓度小于载荷浓度。
具体来说,Lm的计算公式中,m、n及xa为与梯度匹配相关的参数,根据矿浆黏性及载荷浓度确定给矿浓度,是后续计算的前提。当矿浆完全通过介质盒即表示一个周期,梯度匹配区域为近似椭圆区域,分选腔内即为介质组间隙,载体可以为水。
步骤S5:依据现有介质条件下的磁场分布磁场特性,将介质周围空间划为大小不一的网格,其中,网格线由磁感应线和等势线组成。
具体来说,划分网格是后续计算(步骤S6)的前提,S6的计算是网格计算。其中,网格的示意图如图2所示。
步骤S6:根据矿物组成、解离情况、不同粒级矿浆的黏度、给矿浓度,建立给矿粒度约束,并基于建立的给矿粒度约束和网格计算得到适用于该矿物的磁选参数,以实现给矿粒度的匹配,其中磁选参数包括给矿浆流速、矿粒度范围、高梯度磁选背景场强。
其中,步骤S6具体包括:
根据矿物组成、解离情况、不同粒级矿浆的黏度、给矿浓度,以介质中心轴上的峰值点颗粒受力分析为基础,建立给矿粒度约束,方程组如式(6-5),通过网格法计算,,其中,给矿粒度约束为:
其中,fα、fβ为两次峰值点处的单位体积磁力密度,γ介于峰值点α和β之间,为X轴上坐标点,fγ为γ点处的单位体积磁力密度,为临界条件下的磁速度和脉动平均速度,分别为临界条件下的磁场-流场相对速度,采用步骤S5中分段网格法来计算,ρ1、χ1为目的矿物的密度、比磁化系数,ρ2、χ2为主要磁性脉石矿物的密度、比磁化系数,ρf为载体密度,η为真空磁导率,μ0为真空磁导率,bmin为最小给矿粒径的一半,bmax为最大给矿粒径的一半,表示相邻点间的平均磁速度,|Δf|为单位体积磁力密度差Δs为计算网格间距,
通过约束中的等式(3)确定矿浆流速:
通过约束中的等式(3)(5)确定给矿粒径范围:
由此确定峰值α点处最小临界给矿粒径为:
然后根据实际的筛孔条件来确定给矿的最小粒径,即控制该粒级以下矿物的含量;
通过逐步计算法调整背景场强来计算(3)、(4)和(5),确定高梯度磁选背景场强。
具体来说,矿物的密度、比磁化系数对应矿物组成;最大给矿粒度视解离情况而定,解离度约为85%时的粒度上限,最小给矿粒度视解离情况和计算结果而定,根据计算结果,视矿物粒级含量做微小调整。矿浆性质包括:矿浆黏度及浓度。
在计算背景强度时,结果应满足:
①最小控制粒径目的矿物在X轴上临界值应大于介质的梯度匹配点(α点),对应背景场强为B1;
②最大控制粒径目的矿物在X轴上临界值应小于介质的二次峰值点(β点),对应背景场强为B2;
③最大控制粒径主要磁性脉石矿物在X轴上的临界值不应大于介质的梯度匹配条件(α点),对应背景场强为B3。
具体计算情况如图3~5所示。需要说明的是,原则上B1≤B2、B3≤B2,如果不满足,则调整介质参数和最小控制粒径,使其具备基本条件。然后综合上述条件的计算结果,确定适宜的背景场强范围。通过调整最小控制粒径,使得最小粒径目的矿物能够尽可能的被捕集,最大粒径矿物不会导致夹杂,同时还要能够尽可能的抛除其它磁性脉石矿物。从而确保在精矿品位提升的同时,回收率也得到提高。
在具体实现过程中,在计算峰值α、峰值β处钛铁矿及辉石矿的捕集情况时,原则上,对于辉石矿物,应尽量使最大粒级矿物在峰值α前实现分离(令其在X轴上的临界点为γ,α≤γ<β);对于钛铁矿,应尽量使最小粒级矿物在峰值α点处被捕获,最大粒级矿物在峰值β处被捕获。
为简化计算先将脉动因素予以忽略,以介质中心轴上的峰值点颗粒受力分析为基础,联立方程组如式(包括式3~7),通过网格法计算,最终得到最佳的流速、粒度约束条件及背景场强等磁选参数。以钛铁矿及辉石矿为例,上述方程组式中:
ρ1=4.557×103kg/m3;χ1=268×10-9m3/kg;(钛铁矿加权值)
ρ2=3.24×103kg/m3;χ2=82×10-9m3/kg;(辉石均值)
ρf=1×103kg/m3;(载体水密度)
η=1.7m Pa﹒s;
μ0=4π×10-7N/A2;2bmax=106μm;
进一步地,所述方法还包括步骤S7:对磁选参数进行优化,参数优化方程如下:
通过逐步计算法调整初始条件范围内的背景场强,通过如下方程组来计算特定冲程条件下的冲次值,使冲次条件与设备性能相符,其中,S为冲程,一个固定值,N为冲次;
进一步缩小背景场强范围,并初步确定适宜的冲次条件,对于脉动条件,依据如下方程式来确定;
式(9)中,S为冲程,为固定值),N为冲次,设峰值β点到介质表面的距离为ф,E(f)在该区间内单位体积磁力密度期望值,为将X轴上的磁场力依据网格进行离散,可以得到式(11)
式(11)中:xi为各网格单元在X轴上的距离与ф的比值,fi为该网格区间单位体积磁力密度的平均值。
具体来说,步骤S7中考虑了脉动因素,计算过程与步骤S6类似,由于脉动因素的影响较小,但其参数难以确定。通过无脉动计算可以初步确定磁选参数范围。然后根据脉动情况进行磁选参数的微小调整。
此外,还可以进一步通过小型试验获得最佳磁选条件参数。根据步骤S6和步骤S7中的参数范围条件,进行小型试验来获得最佳参数。根据前面的计算结果。调整好参数后,直接开机运行即可,试验过程为机器正常工作过程,是通过多次试验来得到实际的最优值(在磁选参数范围内)。
本发明的有益效果是:通过计算聚磁介质的磁场分布来确定其梯度匹配峰值,然后依据矿物组成及解离情况、矿浆性质等,建立给矿粒度约束条件方程,然后通过方程组的求解,得到适用于该矿物的给矿粒度范围以及高梯度磁选背景场强、冲程冲次等参数的近似解。该方法能够基本确立合适的高梯度磁选条件范围,降低试验的盲目性,从而大大降低模拟试验次数,能够在提高精矿品位的同时提高其回收率。该方法能够提高高梯度磁选的反选效率,同时也有助于实现高梯度磁选过程的自动优化控制。
下面通过具体的示例对本发明的匹配方法进行详细介绍。其技术路线图如图6所示。首先,进行矿物成分定量分析及矿浆性质测量,接着,进行聚磁介质磁场计算及梯度匹配峰值点确定,接下来构建粒度匹配的约束条件方程,并对约束方程进行求解,如果有解则确给矿粒度范围以及基本分选条件范围,最后通过小型实验来优化条件参数。
本示例中,以细粒钛铁矿的高梯度磁选分离为例说明计算过程,目的矿物为钛铁矿,粒径范围为{53um,106um}主要磁性脉石矿物为辉石。令方程组中(3)(4)(5)左侧值为E1,右侧值为E2,计算不同背景场强下等式双侧结果差值(D-value,Dv=E1-E2)。当Dv=0时,差值变化曲线与X轴的交点位于峰值点即临界场强。
本实施例的试样取自于攀钢钛铁矿选矿厂尾矿坝,已在现场采用脉动高梯度强磁选机在最优条件下抛过尾。该铁尾矿属于高钛型钒钛磁铁矿矿石,需回收其中的钛元素。
尾矿化学多元素分析为:
将尾矿过120目(0.125mm)方形筛后,抛光制样在MLA(Mineral LiberationAnalyser)矿物分析仪中对铁尾矿进行定量分析。矿石主要由金属矿物和脉石矿物组成。其中金属氧化物矿物包括钛铁矿、钛磁铁矿和钛赤铁矿组成,还有少量的黄铁矿;脉石矿物中主要由辉石、钛辉石、绿泥石、斜长石和橄榄石类矿物组成。
尾矿中钛元素的赋存状态为:
钛铁矿单矿物与其它矿物间的嵌布特征包括单体解离、共生、包裹等复杂关系,完全单体解理的钛铁矿颗粒占65.11%。在MLA矿物分析仪中按照自由表面积法对矿物单体解离度的测定方法,矿物颗粒有80%的自由表面的钛铁矿颗粒占84.85%,因此该铁尾矿中钛铁矿的单体解离度是84.85%。根据颗粒解离情况,将最大给矿粒度限定为2bmax=106um。试验前测定20%浓度矿浆黏度为1.7mPa﹒s。
试验采用Slon-100实验型周期式脉动高梯度磁选机,其脉动冲程为0~30mm(实际固定为12mm),冲次范围为0~600r/min。试验用交叉排列圆形磁介质规格(直径×水平间距×垂直间距)为:2mm×3mm×3mm介质盒内介质的行列数为:15×24。经计算的介质组的载荷情况为:
在计算峰值α、峰值β处钛铁矿及辉石矿的捕集情况时,原则上,对于辉石矿物,因尽量使最大粒级矿物在峰值α前实现分离;对于钛铁矿,因尽量使最小粒级矿物在峰值α点处被捕获,最大粒级矿物在峰值β处被捕获。通过约束条件方程组的计算,流速设为最小值0.01m/s,最小给矿粒径设定为2bmin=53um。
为控制辉石矿物的捕集,背景场强应该为:B0<0.44T
为有效回收细粒钛铁矿,方程组(式3~7)中背景场强范围为:B0=0.52T
若需提钛铁矿精矿的品位,由于矿浆脉动呈周期变化,因此将方程组(6-5)中背景场强范围进一步限定为:B0≤0.42T
为有效提高钛铁矿精矿品位,将背景场强初步设为0.42-0.42T。此条件下,最大粒径钛铁矿捕集的临界点均在距介质表面2.98mm范围内,未超出单元介质限定的区域。
当背景场强为0.42T时,冲次范围为170∽470r/m,最小控制粒径变化范围为56∽61um。当背景场强为0.40T时,106um粒级辉石已不能被捕获,即能最大程度剔除辉石矿物,冲次范围为<448r/m,最小控制粒径变化范围为58∽62um。对于Slon 100型高梯度磁选设备,其脉动冲次理想范围为180∽450r/m。因此最佳背景场强范围为0.40∽0.41T,
用140目和270目网筛对含尾矿进行联合筛分分级,并经永磁体弱磁处理后作为高梯度磁选试验用矿样。实际给矿矿样TiO2品位为:18.55%,分级并弱磁处理中间产物TiO2品位为11.79%。采用马尔文粒度分布仪对该矿样进行测量,经初筛及弱磁处理后,-53um以下粒级矿样由32.42%降为19.77%。不同条件下高梯度磁选试验结果如下表。
最佳试验方案为条件2,即背景场强为0.403T,脉动冲次为382r/m。该条件下精矿TiO2品位为29.46,回收率为91.36%。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样,倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种高梯度磁选中给矿粒度的精确匹配方法,其特征在于,包括:
步骤S1:利用预设矿物自动定量分析系统对给矿进行全粒级解离分析,获得矿物的嵌布特征、矿物组成、解离度以及粒度分布数据,并根据嵌布特征、矿物组成、解离度以及粒度分布数据确定给矿粒径,其中最大给矿粒径为2bmax;
步骤S2:根据矿浆浓度和给矿粒径测量不同粒级矿浆的黏度;
步骤S3:根据现有介质条件,计算现有介质条件下的磁场分布磁场特性,并根据磁场特性计算介质的梯度匹配,其中,磁场分布磁场特性包括磁场强度,和单位体积磁力密度,梯度匹配包括梯度匹配峰值,曲线两次峰值点处的单位体积磁力密度;
步骤S4:根据介质的梯度匹配计算载荷浓度,根据载荷浓度和不同粒级矿浆的黏度,确定给矿浓度;
步骤S5:依据现有介质条件下的磁场分布磁场特性,将介质周围空间划为大小不一的网格,其中,网格线由磁感应线和等势线组成;
步骤S6:根据矿物组成、解离情况、不同粒级矿浆的黏度、给矿浓度,建立给矿粒度约束,并基于建立的给矿粒度约束和网格计算得到适用于该矿物的磁选参数,其中磁选参数包括给矿浆流速、矿粒度范围、高梯度磁选背景场强。
2.如权利要求1所述的方法,其特征在于,步骤S2具体包括:
将矿浆浓度分为10%、20%、30%、35%4档;
分别测定全粒级、粗粒级、中间粒级以及细粒级矿物在不同浓度条件下黏度,其中,粗粒级对应的粒径为20~2mm或解离度为0-80%,中间粒级对应的粒径为2~0.2mm或解离度为80%-90%,细粒级对应的粒径0.2~0.02mm或解离度为90%-95%。
3.如权利要求1所述的方法,其特征在于,步骤S3具体包括:
采用保角变换数值计算方法,并依据介质参数,获得单位背景场强下单根介质周围单位体积磁力密度分布情况f(b);
根据单位体积磁力密度分布情况计算磁力变化率在以圆形介质中心点为原点的坐标轴中与背景磁场平行方向的X轴上的变化,其中,b为X轴坐标;
根据磁力变化率变化曲线的首峰点坐标确定对应的梯度匹配,并根据梯度匹配确定梯度匹配曲线两次峰值点处的单位体积磁力密度。
4.如权利要求1所述的方法,其特征在于,步骤S4具体包括:
根据介质的梯度匹配计算载荷质量,再基于载荷质量计算载荷浓度,其中,载荷质量的计算公式为式(1),载荷浓度的计算公式为式(2),
其中,mil表示为介质组内目的矿物的总质量,ρ、σ为目的矿物密度及其在原矿中含量,Se为梯度匹配区域面积,即双侧单位体积磁力密度近似椭圆与圆形介质面积之差,l为单根介质长度,t1、t2为介质的行列数,R为介质半径,m、n为近似椭圆的长短轴,xa为峰值点α的坐标,m0为分选腔内载体的质量;
根据载荷浓度和不同粒级矿浆的黏度,确定实际给矿浓度,其中,当矿浆完全通过介质盒,梯度匹配区域内载满目的磁性矿物,对应的给矿质量为载荷质量,此时的给矿浓度为载荷浓度,且实际给矿浓度小于载荷浓度。
5.如权利要求1所述的方法,其特征在于,步骤S6具体包括:
根据矿物组成、解离情况、不同粒级矿浆的黏度、给矿浓度,以介质中心轴上的峰值点颗粒受力分析为基础,建立给矿粒度约束,方程组如式(3)~(7),通过网格法计算,其中,给矿粒度约束为:
其中,fα、fβ为两次峰值点处的单位体积磁力密度,γ介于峰值点α和β之间,为X轴上坐标点,fγ为γ点处的单位体积磁力密度,V、m 为临界条件下的磁速度和脉动平均速度,分别为临界条件下的磁场-流场相对速度,采用步骤S5中分段网格法来计算,ρ1、χ1为目的矿物的密度、比磁化系数,ρ2、χ2为主要磁性脉石矿物的密度、比磁化系数,ρf为载体密度,η为真空磁导率,μ0为真空磁导率,bmin为最小临界给矿粒径的一半,bmax为最大给矿粒径的一半,表示相邻点间的平均磁速度,|Δf|为单位体积磁力密度差Δs为计算网格间距,
根据处理量确定矿浆流速,将约束中的等式(3)修改为bmin 2的表达式:
对修改后的公式(3)进行简化,得到:
由此确定峰值α点处最小临界给矿粒径为:
然后根据实际的筛孔条件来确定给矿的最小粒径,即控制该粒级以下矿物的含量;
通过逐步计算法调整背景场强来计算(3)、(4)和(5),确定高梯度磁选背景场强。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910404760.1A CN110175312B (zh) | 2019-05-15 | 2019-05-15 | 一种高梯度磁选中给矿粒度的精确匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910404760.1A CN110175312B (zh) | 2019-05-15 | 2019-05-15 | 一种高梯度磁选中给矿粒度的精确匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110175312A CN110175312A (zh) | 2019-08-27 |
CN110175312B true CN110175312B (zh) | 2020-09-08 |
Family
ID=67691081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910404760.1A Active CN110175312B (zh) | 2019-05-15 | 2019-05-15 | 一种高梯度磁选中给矿粒度的精确匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110175312B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112295722A (zh) * | 2020-08-18 | 2021-02-02 | 安徽金安矿业有限公司 | 一种优质磁铁矿铁精矿差异化生产方法 |
CN113426576B (zh) * | 2021-06-25 | 2022-09-02 | 中南大学 | 一种磁流体耦合高梯度磁选方法 |
CN115338032B (zh) * | 2022-10-18 | 2023-02-24 | 山东兴盛矿业有限责任公司 | 一种磁选设备自动控制系统 |
CN116159672B (zh) * | 2023-03-01 | 2024-01-05 | 湖南中科电气股份有限公司 | 一种基于石墨化材料分选的磁选系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105597897A (zh) * | 2015-12-31 | 2016-05-25 | 中南冶金地质研究所 | 一种采用组合粒级梯度磁选工艺提高超贫锰矿中锰品位的方法 |
CN107824333A (zh) * | 2017-12-07 | 2018-03-23 | 武汉理工大学 | 一种交叉排列棒介质高梯度磁选机控制参数自适应匹配方法 |
CN108144741A (zh) * | 2016-12-05 | 2018-06-12 | 辽宁首钢硼铁有限责任公司 | 一种采用高梯度立环磁选机除铁提高硼精矿品位的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8945393B2 (en) * | 2011-02-23 | 2015-02-03 | Massachusetts Institute Of Technology | Magnetic colloid petroleum oil spill clean-up of ocean surface, depth, and shore regions |
-
2019
- 2019-05-15 CN CN201910404760.1A patent/CN110175312B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105597897A (zh) * | 2015-12-31 | 2016-05-25 | 中南冶金地质研究所 | 一种采用组合粒级梯度磁选工艺提高超贫锰矿中锰品位的方法 |
CN108144741A (zh) * | 2016-12-05 | 2018-06-12 | 辽宁首钢硼铁有限责任公司 | 一种采用高梯度立环磁选机除铁提高硼精矿品位的方法 |
CN107824333A (zh) * | 2017-12-07 | 2018-03-23 | 武汉理工大学 | 一种交叉排列棒介质高梯度磁选机控制参数自适应匹配方法 |
Non-Patent Citations (2)
Title |
---|
介质棒排布对细粒高梯度磁选指标的影响;刘磊 等;《中国矿业》;20140131;第23卷(第1期);全文 * |
钽铌粗精矿高梯度磁选数值法分析;袁梅;《矿产保护与利用》;20180228;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110175312A (zh) | 2019-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110175312B (zh) | 一种高梯度磁选中给矿粒度的精确匹配方法 | |
CN102698871B (zh) | 用于处理钒钛磁铁矿的选矿工艺 | |
CN105107616B (zh) | 一种有效提高低品位钒钛磁铁矿选矿效率的方法 | |
Tripathy et al. | Influence of process parameters of dry high intensity magnetic separators on separation of hematite | |
CN103878111B (zh) | 一种高品位铬铁矿石的选矿新工艺 | |
CN108816497B (zh) | 磁铁矿选矿工艺 | |
CN106216083B (zh) | 钒钛磁铁矿选铁尾矿重选回收钛铁矿及其中矿处理的方法和回收钛铁矿的方法 | |
Chen et al. | Pulsating high-gradient magnetic separation of fine hematite from tailings | |
CN203408789U (zh) | 多级磁选式干选机 | |
CN107824333B (zh) | 一种交叉排列棒介质高梯度磁选机控制参数自适应匹配方法 | |
CN105107617A (zh) | 一种提高钛铁矿综合利用率的方法 | |
CN106733175A (zh) | 一种天然金红石或锆英砂干选的生产方法 | |
CN104984821B (zh) | 一种分离弱磁性矿与云母的选矿方法 | |
CN113426576B (zh) | 一种磁流体耦合高梯度磁选方法 | |
CN102728555B (zh) | 一种干选富集分离方法及用于干选富集分离方法的系统 | |
CN107597411A (zh) | 一种提高高硫磁‑赤混合铁矿石选别指标的选矿方法 | |
CN104549713B (zh) | 一种简易高效磁选低品位铁矿的方法 | |
CN208018787U (zh) | 一种高效磁力分级机 | |
Galvin et al. | Influence of inclined channel spacing on dense mineral partition in a REFLUX™ classifier. Part 2: Water based fractionation | |
CN115970883A (zh) | 一种赤铁矿强磁选工艺参数的优化方法 | |
CN108940879A (zh) | 等离子体物理矿石分选处理方法及其系统 | |
CN210230258U (zh) | 基于复合磁场的矿物分选设备 | |
CN108080141A (zh) | 一种赤铁矿的选别工艺 | |
Cao et al. | Effect of Magnetic Field in Magnetic Separation Column on Particle Separation Process Based on Numerical Simulation. | |
CN108919148A (zh) | 一种实验分析离心高梯度磁场旋转磁介质单丝捕获的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |