CN114950714B - 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 PDF

Info

Publication number
CN114950714B
CN114950714B CN202210562589.9A CN202210562589A CN114950714B CN 114950714 B CN114950714 B CN 114950714B CN 202210562589 A CN202210562589 A CN 202210562589A CN 114950714 B CN114950714 B CN 114950714B
Authority
CN
China
Prior art keywords
scavenging
selection operation
closed
laboratory
circuit test
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
Application number
CN202210562589.9A
Other languages
English (en)
Other versions
CN114950714A (zh
Inventor
丛颖
李继福
梁治安
鲁军
孙忠梅
温建
纪婉颖
邓莉莉
陈晓芳
田树国
吴双桥
岳涛
吴海祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zijin Mining Group Co Ltd
Xiamen Zijin Mining and Metallurgy Technology Co Ltd
Original Assignee
Zijin Mining Group Co Ltd
Xiamen Zijin Mining and Metallurgy Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zijin Mining Group Co Ltd, Xiamen Zijin Mining and Metallurgy Technology Co Ltd filed Critical Zijin Mining Group Co Ltd
Priority to CN202210562589.9A priority Critical patent/CN114950714B/zh
Publication of CN114950714A publication Critical patent/CN114950714A/zh
Application granted granted Critical
Publication of CN114950714B publication Critical patent/CN114950714B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; 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

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

一种快速预测实验室选矿闭路指标的方法
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
Figure BDA0003657187470000051
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
Figure BDA0003657187470000052
根据线性模型进行线性拟合度检测，其中
Figure BDA0003657187470000061
即由开路试验结果来预测金属含量(品位)与回收率二者的变动，这也说明线性模型对该样本的线性拟合程度好。
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
Figure BDA0003657187470000062
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。
CN202210562589.9A 2022-05-23 2022-05-23 一种快速预测实验室选矿闭路指标的方法 Active CN114950714B (zh)

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 CN114950714A (zh) 2022-08-30
CN114950714B true 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)

* Cited by examiner, † Cited by third party
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
Title
实验室闭路流程模拟计算;李启文;《有色金属(选矿部分)》;19861231(第06期);全文 *
用小型试验数据预测闭路浮选试验的结果;G.E.Agar等;《国外金属矿选矿》;19841231;全文 *
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;李长根;《有色金属(选矿部分)》;19841231(第06期);全文 *
试验室选矿闭路流程计算机模拟计算;喻圻拾;《铜业工程》;19970228(第01期);全文 *
闭路浮选流程计算机模拟程序包GFSTESIM;尹蒂等;《化工矿物与加工》;19921015(第05期);全文 *

Also Published As

Publication number Publication date
CN114950714A (zh) 2022-08-30

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
CN106529580A (zh) 结合edsvm的软件缺陷数据关联分类方法
CN117195469B (zh) 选煤工艺流程全过程确定方法、设备和介质
CN114925756B (zh) 一种基于精细化管理的废玻璃分类回收方法及装置
CN105631221A (zh) 一种基于线性回归模型浮选回收率的预测方法
CN114758196A (zh) 一种块煤浅槽分选过程的精煤灰分在线软测量方法
CN114950714B (zh) 一种快速预测实验室选矿闭路指标的方法
CN111855711B (zh) 块煤煤质检测方法及系统
CN110706757B (zh) 预测选矿回水中残留絮凝剂浓度的方法
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
Yan et al. Estimation of copper concentrate grade for copper flotation
CN107016454B (zh) 一种非均质矿球磨破碎分布函数预测方法
CN112861076B (zh) 一种基于线性回归模型的铂钯品位的预测方法
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
CN112461780B (zh) 一种烃源岩原始总有机碳含量的评价与计算方法
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
Bazin et al. Estimation of the variance of the fundamental error associated to the sampling of low grade ores
CN111270069A (zh) 一种钼精矿生产工艺
Saremi et al. Separation of geochemical anomalies related to hydrothermal copper mineralization using staged factor analysis in Feyzabad geological map
CN108090322A (zh) 一种基于模糊综合评价的超细粉碎产品的评价方法
CN117094864A (zh) 一种钛精矿碳排放计量方法
CN111861001B (zh) 一种确定煤炭分选粒度的技术经济分析方法
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