CN114950714A - 一种快速预测实验室选矿闭路指标的方法 - Google Patents
一种快速预测实验室选矿闭路指标的方法 Download PDFInfo
- Publication number
- CN114950714A CN114950714A CN202210562589.9A CN202210562589A CN114950714A CN 114950714 A CN114950714 A CN 114950714A CN 202210562589 A CN202210562589 A CN 202210562589A CN 114950714 A CN114950714 A CN 114950714A
- Authority
- CN
- China
- Prior art keywords
- scavenging
- selection operation
- closed
- laboratory
- predicting
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 229910052500 inorganic mineral Inorganic materials 0.000 title claims abstract description 38
- 239000011707 mineral Substances 0.000 title claims abstract description 38
- 238000000926 separation method Methods 0.000 title claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 39
- 239000002184 metal Substances 0.000 claims abstract description 20
- 229910052751 metal Inorganic materials 0.000 claims abstract description 20
- 238000011084 recovery Methods 0.000 claims abstract description 19
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims abstract description 9
- 229910052802 copper Inorganic materials 0.000 claims abstract description 9
- 239000010949 copper Substances 0.000 claims abstract description 9
- 230000002000 scavenging effect Effects 0.000 claims description 33
- 239000006260 foam Substances 0.000 claims description 26
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 239000012141 concentrate Substances 0.000 abstract description 8
- 239000000463 material Substances 0.000 abstract description 4
- 238000011161 development Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- HQABUPZFAYXKJW-UHFFFAOYSA-O butylazanium Chemical compound CCCC[NH3+] HQABUPZFAYXKJW-UHFFFAOYSA-O 0.000 description 4
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 3
- 235000011941 Tilia x europaea Nutrition 0.000 description 3
- 239000004571 lime Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005188 flotation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement 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
- B03B—SEPARATING SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS
- B03B9/00—General arrangement of separating plant, e.g. flow sheets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Computer Hardware Design (AREA)
- Primary Health Care (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Manufacture And Refinement Of Metals (AREA)
Abstract
本发明公开了一种快速预测实验室选矿闭路指标的方法,可直接通过开路试验结果预估实验室闭路试验结果,避免了繁冗的闭路试验,缩短试验时间,提升了预测回收率的效率,节省大量的人力、物力。利用本发明可预测不同金属含量(品位)的精矿产品的回收率,可为实验室的工艺技术开发及指导现场选择更高效益的精矿产品提供判断依据,是一种高效、简易、准确性高的实验室选矿闭路指标的方法,尤其适用于预测斑岩型铜矿的实验室选矿闭路指标。
Description
技术领域
本发明涉及选矿技术领域,具体涉及一种快速预测实验室选矿闭路指标的方法。
背景技术
闭路试验是在开路试验的条件基础上,将每份试验的各作业中的矿产品给到下份试验的同个作业中进行试验,使用不连续的设备进行若干份试验直至闭路试验的物料循环达到稳定。相比开路试验,闭路试验过程繁冗,耗费大量人力、物力。而在选矿过程中,选矿产品的浮选回收率是选矿的重要衡量指标,且选矿产品的金属含量(品位)涉及到产品的售价,所以急需一种预测方法,既可减少繁冗的闭路,大大缩短试验时间,提升效率,又可以预测不同金属含量(品位)的精矿产品的回收率,为实验室的工艺技术开发及生产现场选择更高效益的精矿产品提供判断依据。
发明内容
针对现有技术的不足,本发明旨在提供一种斑岩型铜矿快速预测实验室选矿闭路指标的方法。
为了实现上述目的,本发明采用如下技术方案:
一种快速预测实验室选矿闭路指标的方法,包括如下步骤:
S1、将原矿完成开路试验工艺流程,确定最佳工艺条件,所述开路试验流程为:一次粗选作业,一次粗选作业所得泡沫产品进入a次精选作业,一次粗选作业所得剩余矿物进入b次扫选作业,所有作业均产生泡沫产品及剩余矿物;a次精选作业中,每次精选作业所得的泡沫产品进入下一次精选作业;b次扫选作业中,每次扫选作业所得的剩余矿物进入下一次扫选作业;
S2、将原矿完成新的开路试验工艺流程,所述新的开路试验工艺流程为:一次粗选作业,一次粗选作业所得泡沫产品进入a次精选作业,一次粗选作业所得剩余矿物进入b次扫选作业,所有作业均产生泡沫产品及剩余矿物;a次精选作业中,每次精选作业所得的泡沫产品进入下一次精选作业;b次扫选作业中,每次扫选作业所得的剩余矿物进入下一次扫选作业;b次扫选作业分别所得的泡沫产品分别进行a次精选作业,各扫选作业所得的泡沫产品进行的a次精选作业和粗选作业所得的泡沫产品进行的a次精选作业的工艺条件相同;新的开路试验工艺流程中的一次粗选作业、a次精选作业、b次扫选作业的工艺条件和步骤S1实验所得的最佳工艺条件相同;
S3、将步骤S2得到的所有产品按金属含量由高到低顺序排列,记为产品n1、n2、n3、…、nab+a+b+1、nab+a+b+2,依次计算产品n1、n1+n2、n1+n2+n3、…、n1+n2+n3+…+nab+a+b+1、n1+n2+n3+…+nab+a+b+1+nab+a+b+2,得到对应的累计金属含量及累计回收率;
S4、线性拟合:采用origin软件对各累计金属含量与累计回收率进行曲线拟合,得到线性模型,其中包括线性方程、修正系数;利用得到的线型模型可以预测计算与步骤S1中原矿相同类型的矿石的实验室选矿闭路指标。
进一步地,步骤S4中,采用origin软件对n1、n1+n2、n1+n2+n3、…、n1+n2+n3+…+nab+a+b+1对应的累计金属含量与累计回收率进行曲线拟合。
本发明的有益效果在于:利用本发明方法,可直接通过开路试验结果预估实验室闭路试验结果,避免了繁冗的闭路试验,缩短试验时间,提升了预测回收率的效率,节省大量的人力、物力。利用本发明可预测不同金属含量(品位)的精矿产品的回收率,可为实验室的工艺技术开发及指导现场选择更高效益的精矿产品提供判断依据,是一种高效、简易、准确性高的实验室选矿闭路指标的方法,尤其适用于预测斑岩型铜矿的实验室选矿闭路指标。
附图说明
图1为本发明实施例中方法的总流程示意图;
图2为本发明实施例中步骤S1的工艺流程示意图;
图3为本发明实施例中步骤S2的工艺流程示意图。
具体实施方式
以下将结合附图对本发明作进一步的描述,需要说明的是,本实施例以本技术方案为前提,给出了详细的实施方式和具体的操作过程,但本发明的保护范围并不限于本实施例。
本实施例提供一种斑岩型铜矿快速预测实验室选矿闭路指标的方法,如图1所示,具体过程为:
S1、开路试验:如图2所示,将原矿品位为0.516%的斑岩型铜矿通过完成开路试验流程,确定最佳工艺条件;所述开路试验采用的工艺流程为磨矿后1次粗选作业,粗选作业所得的泡沫产品进入2次精选作业,剩余矿物进入3次扫选作业,所有作业均产生泡沫产品及剩余矿物。按每吨原矿干重计,磨矿中加入1000g/t石灰,磨至-0.074mm占60%。粗选作业中加入15g/t丁铵,10g/t 2#油。精选一作业中加入250g/t石灰,精选一作业所得的泡沫产品进入精选二作业,精选二作业中加入150g/t石灰。扫选一作业中加入10g/t丁铵,扫选一作业所得的剩余矿物进入扫选二作业,扫选二作业中加入5g/t丁铵,扫选二作业所得的剩余矿物进入扫选三作业,扫选三作业中加入3g/t丁铵。
S2、按照步骤S1所确定的最佳工艺条件,按照新的开路试验工艺流程进行实验,如图3所示,所述新的开路试验工艺流程为:将原矿品位为0.516%的斑岩型铜矿,磨矿后1次粗选作业,粗选作业所得的泡沫产品进入2次精选作业,剩余矿物进入3次扫选作业,所有作业均产生泡沫产品及剩余矿物;3次扫选作业分别所得的泡沫产品分别进行2次精选作业,扫选作业分别所得的泡沫产品所进行的2次精选作业,与粗选作业所得的泡沫产品所进行的2次精选作业的工艺条件以及药剂用量都相同。
S3、整理计算:将步骤S2的开路试验工艺流程得到的所有产品按金属含量(品位)由高到低顺序排列,分别为产品n1、n2、n3、…、n12、n13,即图2所示的铜精矿、尾矿和11份中矿。依次计算产品n1、n1+n2、n1+n2+n3、…、n1+n2+n3+…+n12、n1+n2+n3+…+n12+n13,得到对应的累计金属含量(品位)及累计回收率,如表1所示的产品数据统计表。
表1产品数据统计表
S4、线性拟合:开路尾矿(产品n13)为开路产品中铜含量最低,也是产率最大(达93.397%)的产品,同时n1+n2+n3+…+n12+n13累计回收率为100%,累计品位则为原矿的品位,放入拟合不具备太大实际意义。所以采用origin软件对n1、n1+n2、n1+n2+n3、…、n1+n2+n3+…+n12相应的累计金属含量(品位)与累计回收率进行曲线拟合,得线性模型包括线性方程y=88.19738+072652X-0.04438X2,其样本复相关决定系数(R-Squared)为R2=0.99082,校正复相关决定决定系数(Adjusted R-Square)为
以下对线性模型进行实际检测。实验室采用原开路试验工艺流程(图1)进行闭路试验,测试得到不同金属含量(品位)精矿产品对应的回收率。见表2的实验室产品指标。
表2的实验室产品指标
由表2可见,相对误差均小于1%,说明本实施例所得的线性模型计算预测的回收率与实际回收率吻合,所以说明线性模型具有一定的实际意义。
对于本领域的技术人员来说,可以根据以上的技术方案和构思,给出各种相应的改变和变形,而所有的这些改变和变形,都应该包括在本发明权利要求的保护范围之内。
Claims (3)
1.一种快速预测实验室选矿闭路指标的方法,其特征在于,包括如下步骤:
S1、将原矿完成开路试验工艺流程,确定最佳工艺条件,所述开路试验流程为:一次粗选作业,一次粗选作业所得泡沫产品进入a次精选作业,一次粗选作业所得剩余矿物进入b次扫选作业,所有作业均产生泡沫产品及剩余矿物;a次精选作业中,每次精选作业所得的泡沫产品进入下一次精选作业;b次扫选作业中,每次扫选作业所得的剩余矿物进入下一次扫选作业;
S2、将与步骤S1相同的原矿完成新的开路试验工艺流程,所述新的开路试验工艺流程为:一次粗选作业,一次粗选作业所得泡沫产品进入a次精选作业,一次粗选作业所得剩余矿物进入b次扫选作业,所有作业均产生泡沫产品及剩余矿物;a次精选作业中,每次精选作业所得的泡沫产品进入下一次精选作业;b次扫选作业中,每次扫选作业所得的剩余矿物进入下一次扫选作业;b次扫选作业分别所得的泡沫产品分别进行a次精选作业,各扫选作业所得的泡沫产品进行的a次精选作业和粗选作业所得的泡沫产品进行的a次精选作业的工艺条件相同;新的开路试验工艺流程中的一次粗选作业、a次精选作业、b次扫选作业的工艺条件和步骤S1实验所得的最佳工艺条件相同;
S3、将步骤S2得到的所有产品按金属含量由高到低顺序排列,记为产品n1、n2、n3、…、nab+a+b+1、nab+a+b+2,依次计算产品n1、n1+n2、n1+n2+n3、…、n1+n2+n3+…+nab+a+b+1、n1+n2+n3+…+nab+a+b+1+nab+a+b+2,得到对应的累计金属含量及累计回收率;
S4、线性拟合:对各累计金属含量与累计回收率进行曲线拟合,得到线性模型,其中包括线性方程和修正系数;利用得到的线型模型可以预测计算与步骤S1中原矿相同类型的矿石的实验室选矿闭路指标。
2.根据权利要求1所述的方法,其特征在于,步骤S4中,采用origin软件对n1、n1+n2、n1+n2+n3、…、n1+n2+n3+…+nab+a+b+1对应的累计金属含量与累计回收率进行曲线拟合。
3.根据权利要求1所述的方法,其特征在于,所述原矿为斑岩型铜矿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210562589.9A CN114950714B (zh) | 2022-05-23 | 2022-05-23 | 一种快速预测实验室选矿闭路指标的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210562589.9A CN114950714B (zh) | 2022-05-23 | 2022-05-23 | 一种快速预测实验室选矿闭路指标的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114950714A true CN114950714A (zh) | 2022-08-30 |
CN114950714B CN114950714B (zh) | 2023-01-17 |
Family
ID=82984384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210562589.9A Active CN114950714B (zh) | 2022-05-23 | 2022-05-23 | 一种快速预测实验室选矿闭路指标的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114950714B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106391319A (zh) * | 2016-11-27 | 2017-02-15 | 长春黄金研究院 | 一种提高矽卡岩铜钼矿石铜钼分离钼精矿品位的方法 |
WO2021037242A1 (zh) * | 2019-08-29 | 2021-03-04 | 江西理工大学 | 一种低碱先磁后浮的含磁黄铁矿选矿方法 |
CN112718254A (zh) * | 2020-12-15 | 2021-04-30 | 凉山矿业股份有限公司 | 一种从斑岩型铜钼矿中高效回收伴生金银的浮选方法 |
-
2022
- 2022-05-23 CN CN202210562589.9A patent/CN114950714B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106391319A (zh) * | 2016-11-27 | 2017-02-15 | 长春黄金研究院 | 一种提高矽卡岩铜钼矿石铜钼分离钼精矿品位的方法 |
WO2021037242A1 (zh) * | 2019-08-29 | 2021-03-04 | 江西理工大学 | 一种低碱先磁后浮的含磁黄铁矿选矿方法 |
CN112718254A (zh) * | 2020-12-15 | 2021-04-30 | 凉山矿业股份有限公司 | 一种从斑岩型铜钼矿中高效回收伴生金银的浮选方法 |
Non-Patent Citations (5)
Title |
---|
G.E.AGAR等: "用小型试验数据预测闭路浮选试验的结果", 《国外金属矿选矿》 * |
喻圻拾: "试验室选矿闭路流程计算机模拟计算", 《铜业工程》 * |
尹蒂等: "闭路浮选流程计算机模拟程序包GFSTESIM", 《化工矿物与加工》 * |
李启文: "实验室闭路流程模拟计算", 《有色金属(选矿部分)》 * |
李长根: "袖珍电子计算机在选矿数据处理中的应用 Ⅲ、根据开路试验指标预测闭路指标", 《有色金属(选矿部分)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114950714B (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109597968B (zh) | 基于smt大数据的锡膏印刷性能影响因素分析方法 | |
CN106201897A (zh) | 基于主成分分布函数的软件缺陷预测不平衡数据处理方法 | |
CN105631221A (zh) | 一种基于线性回归模型浮选回收率的预测方法 | |
CN114950714B (zh) | 一种快速预测实验室选矿闭路指标的方法 | |
CN114758196A (zh) | 一种块煤浅槽分选过程的精煤灰分在线软测量方法 | |
CN106746946A (zh) | 一种优化充填料配比的方法 | |
CN111855711B (zh) | 块煤煤质检测方法及系统 | |
Yan et al. | Estimation of copper concentrate grade for copper flotation | |
CN106406257A (zh) | 一种基于案例推理的铁矿浮选精矿品位软测量方法及系统 | |
CN110706757B (zh) | 预测选矿回水中残留絮凝剂浓度的方法 | |
CN114925756B (zh) | 一种基于精细化管理的废玻璃分类回收方法及装置 | |
CN107121490A (zh) | 一种湿法冶金过程中运行状态的评价方法 | |
CN115390450A (zh) | 一种分段可解释的煤浮选智能加药方法 | |
CN112461780B (zh) | 一种烃源岩原始总有机碳含量的评价与计算方法 | |
CN112024451B (zh) | 一种基于受试者操作特征曲线分析的矿石拣选决策方法 | |
Saremi et al. | Separation of geochemical anomalies related to hydrothermal copper mineralization using staged factor analysis in Feyzabad geological map | |
Lotter et al. | High-confidence flotation testing at Xstrata Process Support | |
CN117591817B (zh) | 煤质资料动态校正方法、装置、电子设备及存储介质 | |
CN112149283A (zh) | 一种矿石批量拣选可行性评价的方法 | |
CN105665081A (zh) | 一种用半自磨顽石替换立磨机钢球的磨矿工艺 | |
CN105653649A (zh) | 海量文本中低占比信息识别方法及装置 | |
CN111861001B (zh) | 一种确定煤炭分选粒度的技术经济分析方法 | |
CN117113629B (zh) | 基于层次分析和均匀设计确定板框压滤机压滤参数的方法 | |
CN117094864A (zh) | 一种钛精矿碳排放计量方法 | |
Wu et al. | Research on soft sensor of copper concentrate grade based on NNG-LSSVM |
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 |