响应面曲线法优化贵州某磷块岩浮选工艺研究-sup-①-_sup-_王志强.pdf

响应面曲线法优化贵州某磷块岩浮选工艺研究 ① 王志强， 聂光华， 李德伟， 王 东 （贵州大学 矿业学院，贵州 贵阳 ５５００２５） 摘 要 对贵州某沉积钙质磷块岩进行了浮选工艺研究。 采用 Ｈ２ＳＯ４为氟磷灰石抑制剂、ＢＷ⁃１ 为白云石捕收剂，进行了浮选单因 素试验；在此基础上进行了正交试验，并采用响应面曲线法进行了浮选条件优化。 确定了最佳浮选条件为磨矿细度-０．０７４ ｍｍ 粒 级占 ６０％、Ｈ２ＳＯ４用量 １３．２０ ｋｇ／ ｔ 和 ＢＷ⁃１ 用量 ４００ ｇ／ ｔ。 采用一段反浮选试验流程，可得到精矿品位 ３０．９４％、回收率 ９２．４５％的磷精 矿。 研究结果表明，磨矿细度与 Ｈ２ＳＯ４用量的交互作用对精矿品位影响显著，Ｈ２ＳＯ４用量和 ＢＷ⁃１ 用量的交互作用对精矿回收率影 响显著。 关键词 磷矿； 氟磷灰石； 白云石； 浮选； 响应面曲线法 中图分类号 ＴＤ９２３文献标识码 Ａｄｏｉ１０．３９６９／ ｊ．ｉｓｓｎ．０２５３-６０９９．２０２０．０３．０１４ 文章编号 ０２５３-６０９９（２０２０）０３-００５４-０４ Ｆｌｏｔａｔｉｏｎ Ｐｒｏｃｅｓｓ Ｏｐｔｉｍｉｚａｔｉｏｎ ｆｏｒ Ｐｈｏｓｐｈｏｒｕｓ Ｒｏｃｋ ｆｒｏｍ Ｇｕｉｚｈｏｕ ｂｙ Ｒｅｓｐｏｎｓｅ Ｓｕｒｆａｃｅ Ｍｅｔｈｏｄｏｌｏｇｙ ＷＡＮＧ Ｚｈｉ⁃ｑｉａｎｇ， ＮＩＥ Ｇｕａｎｇ⁃ｈｕａ， ＬＩ Ｄｅ⁃ｗｅｉ， ＷＡＮＧ Ｄｏｎｇ （Ｓｃｈｏｏｌ ｏｆ Ｍｉｎｉｎｇ， Ｇｕｉｚｈｏｕ Ｕｎｉｖｅｒｓｉｔｙ， Ｇｕｉｙａｎｇ ５５００２５， Ｇｕｉｚｈｏｕ， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ Ｆｌｏｔａｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｗａｓ ｉｎｔｒｏｄｕｃｅｄ ｔｏ ｐｒｏｃｅｓｓ ａ ｓｅｄｉｍｅｎｔａｒｙ ｃａｌｃａｒｅｏｕｓ ｐｈｏｓｐｈａｔｅ ｒｏｃｋ ｉｎ Ｇｕｉｚｈｏｕ． Ｓｉｎｇｌｅ ｆａｃｔｏｒ ｆｌｏｔａｔｉｏｎ ｅｘｐｅｒｉｍｅｎｔｓ ｗｅｒｅ ｃｏｎｄｕｃｔｅｄ ｗｉｔｈ Ｈ２ＳＯ４ａｓ ｔｈｅ ｐｈｏｓｐｈａｔｅ ｉｎｈｉｂｉｔｏｒ ａｎｄ ＢＷ⁃１ ａｓ ｔｈｅ ｄｏｌｏｍｉｔｅ ｃｏｌｌｅｃｔｏｒ． Ｏｎ ｔｈｉｓ ｂａｓｉｓ， ａｎ ｏｒｔｈｏｇｏｎａｌ ｔｅｓｔ ｗａｓ ｃａｒｒｉｅｄ ｏｕｔ ａｎｄ ｔｈｅ ｆｌｏｔａｔｉｏｎ ｐｒｏｃｅｓｓ ｗａｓ ｏｐｔｉｍｉｚｅｄ ｕｓｉｎｇ ｒｅｓｐｏｎｓｅ ｓｕｒｆａｃｅ ｍｅｔｈｏｄｏｌｏｇｙ． Ｔｈｅ ｏｐｔｉｍａｌ ｆｌｏｔａｔｉｏｎ ｃｏｎｄｉｔｉｏｎｓ ｗｅｒｅ ｄｅｔｅｒｍｉｎｅｄ ａｓ ｆｏｌｌｏｗｓ ｇｒｉｎｄｉｎｇ ｆｉｎｅｎｅｓｓ ｏｆ -０．０７４ ｍｍ ６０％， Ｈ２ＳＯ４ ｄｏｓａｇｅ ｏｆ １３．２０ ｋｇ／ ｔ ａｎｄ ＢＷ⁃１ ｄｏｓａｇｅ ｏｆ ４００ ｇ／ ｔ． Ａｓ ａ ｒｅｓｕｌｔ， ａ ｑｕａｌｉｆｉｅｄ ｐｈｏｓｐｈｏｒｕｓ ｃｏｎｃｅｎｔｒａｔｅ ｗｉｔｈ Ｐ２Ｏ５ｇｒａｄｅ ｏｆ ３０．９４％ ａｎｄ ｒｅｃｏｖｅｒｙ ｏｆ ９２．４５％ ｗａｓ ｏｂｔａｉｎｅｄ ｂｙ ｕｓｉｎｇ ａ ｓｉｎｇｌｅ⁃ｓｔａｇｅｄ ｒｅｖｅｒｓｅ ｆｌｏｔａｔｉｏｎ ｐｒｏｃｅｓｓ． Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｉｎｔｅｒａｃｔｉｏｎ ｂｅｔｗｅｅｎ ｇｒｉｎｄｉｎｇ ｆｉｎｅｎｅｓｓ ａｎｄ Ｈ２ＳＯ４ｄｏｓａｇｅ ｈａｓ ｓｉｇｎｉｆｉｃａｎｔ ｅｆｆｅｃｔ ｏｎ ｃｏｎｃｅｎｔｒａｔｅ ｇｒａｄｅ， ｗｈｉｌｅ ｔｈｅ ｉｎｔｅｒａｃｔｉｏｎ ｂｅｔｗｅｅｎ Ｈ２ＳＯ４ｄｏｓａｇｅ ａｎｄ ＢＷ⁃１ ｄｏｓａｇｅ ｈａｓ ｓｉｇｎｉｆｉｃａｎｔ ｅｆｆｅｃｔ ｏｎ ｉｔｓ ｒｅｃｏｖｅｒｙ． Ｋｅｙ ｗｏｒｄｓ ｐｈｏｓｐｈａｔｅ ｒｏｃｋ； ｆｌｕｏｒａｐａｔｉｔｅ； ｄｏｌｏｍｉｔｅ； ｆｌｏｔａｔｉｏｎ； ｒｅｓｐｏｎｓｅ ｓｕｒｆａｃｅ ｍｅｔｈｏｄｏｌｏｇｙ 磷矿是一种不可再生的重要矿产资源，截止 ２０１７ 年，中国磷矿查明储量为 ２５２．８４ 亿吨［１］。 中国磷矿资 源储量较大，但磷矿平均品位仅为 １６．９５％，Ｐ２Ｏ５品位 大于 ３０％的富矿仅占 ６．７５％［２］。 随着富矿储量的减 少， 中低品位磷块岩已成为磷矿资源利用的重点［３］。 浮选是处理该类矿石的首选方法［４-６］。 沉积钙质磷块岩主要有用矿物氟磷灰石嵌布粒度 细，呈均质胶体或隐晶质、微晶质［７］，与主要脉石矿物 白云石密切共生，氟磷灰石与白云石可浮性接近，且都 含有 Ｃａ ２＋ ，难以浮选分离［８］。 工业上多采用 Ｈ２ＳＯ４或 Ｈ３ＰＯ４抑制含磷矿物，阴离子捕收剂浮选白云石、方解 石等碳酸盐矿物的反浮选工艺［９］，以获得适合湿法磷 酸生产的磷精矿［１０］。 本文以 Ｈ２ＳＯ４为氟磷灰石抑制剂、ＢＷ⁃１ 为白云 石捕收剂对贵州某沉积钙质磷块岩进行浮选试验研 究。 其中 ＢＷ⁃１ 为实验室自制的脂肪酸类药剂。 在单 因素实验基础上，利用响应面曲线法优化浮选工艺参 数，提高分选效果。 同时利用响应面曲线法，考察浮选 ①收稿日期 ２０２０-０１-１５ 基金项目 贵州省自然科学基金（黔科合 Ｊ 字［２０１２］２１７４ 号）；贵州大学博士基金资助项目（贵大人基合字（２０１６）６０ 号） 作者简介 王志强（１９９５-），男，内蒙古赤峰人，硕士研究生，主要研究方向为难选矿石分选及机理研究。 通讯作者 聂光华（１９７３-），男，江西南城人，副教授，博士，主要研究方向为难选矿石分选及资源综合利用。 第 ４０ 卷第 ３ 期 ２０２０ 年 ０６ 月 矿矿 冶冶 工工 程程 ＭＩＮＩＮＧ ＡＮＤ ＭＥＴＡＬＬＵＲＧＩＣＡＬ ＥＮＧＩＮＥＥＲＩＮＧ Ｖｏｌ．４０ №３ Ｊｕｎｅ ２０２０ ChaoXing 主要影响因素磨矿细度、Ｈ２ＳＯ４用量、ＢＷ⁃１ 用量之间 的交互影响。 １ 试验矿样、药剂与设备 １．１ 矿样性质 矿样取自贵州某地，属沉积钙质磷块岩。 采用 ＸＰＦ⁃１００１２５Ａ 型破碎机破碎原矿至-２ ｍｍ；试样经 破碎混匀缩分获得分析样品和试验样品。 原矿 Ｘ 射线荧光光谱分析结果见表 １。 由表 １ 可 知，矿石中 ＭｇＯ 含量较高，ＳｉＯ２含量较低。 矿样中磷 矿物以氟磷灰石为主，脉石矿物以白云石为主。 表 １ 原矿 Ｘ 射线荧光光谱分析结果（质量分数） ／ ％ Ｐ２Ｏ５ＣａＯＭｇＯＳｉＯ２ＦＡｌ２Ｏ３Ｆｅ２Ｏ３Ｎａ２ＯＫ２ＯＳ ２７．１３ ５６．９９７．４０３．６０２．６９０．５７４０．５４６０．３３８０．１８５ ０．１７９ １．２ 试验方法与药剂 采用 ＸＭＱ⁃２４０ ９０ 型锥形球磨机磨矿； 采用 ＸＦＤＩＶ１．０实验室用单槽 １．０ Ｌ 浮选机浮选。 分析纯药剂 Ｈ２ＳＯ４配成体积浓度 ２０％的溶液，工业级药剂 ＢＷ⁃１ 配成质量浓度 １％的溶液。 试验用水为自来水，矿浆 温度为室温。 试验流程如图 １ 所示。 原矿 抑制剂H2SO4 捕收剂BW-1 浮 选 精矿尾矿 磨矿 图 １ 浮选试验原则流程 ２ 单因素试验 ２．１ 磨矿细度 Ｈ２ＳＯ４用量 ９．８ ｋｇ／ ｔ、捕收剂 ＢＷ⁃１ 用量 ２００ ｇ／ ｔ 条件下，磨矿细度单因素试验结果见图 ２。 由图 ２ 可 知，随着磨矿细度增加，精矿品位增加，但回收率先增 加后下降，在-０．０７４ ｍｍ 粒级占 ５５％时达到最高，为 ９６．６６％。 这是由于随着磨矿细度增加，矿石中氟磷灰 石与脉石矿物单体解离度增加，品位也增加；但同时， 细度达到一定程度后，细粒矿物的机械夹带现象越发 明显，微细粒氟磷灰石通过机械夹带上浮进入尾矿中， 使得回收率下降。 -0.074 mm粒级含量/ 29.0 28.5 28.0 27.5 27.0 97 96 95 94 93 45505560657075 P2O5品位/ 回收率/ ■ ■ ■ ● ● ● ■ ● 图 ２ 磨矿细度对磷精矿浮选指标的影响 ２．２ 抑制剂用量 磨矿细度-０．０７４ ｍｍ 粒级占 ５５％，捕收剂 ＢＷ⁃１ 用量 ２００ ｇ／ ｔ 条件下，抑制剂 Ｈ２ＳＯ４用量单因素试验 结果见图 ３。 由图 ３ 可知，随着 Ｈ２ＳＯ４用量增大，回收 率也增大，精矿品位变化不大。 综合考虑，确定适宜的 Ｈ２ＳＯ４用量为 １２．２ ｋｇ／ ｔ。 抑制剂H2SO4用量/kg t-1 30 29 28 27 26 25 100 98 96 94 4081216 P2O5品位/ 回收率/ ■ ■ ■ ■ ■ ■ ● ●● ● ● ● 图 ３ 抑制剂 Ｈ２ＳＯ４用量对磷精矿浮选指标的影响 ２．３ 捕收剂用量 磨矿细度-０．０７４ ｍｍ 粒级占 ５５％，Ｈ２ＳＯ４用量 １２．２ ｋｇ／ ｔ 条件下，捕收剂 ＢＷ⁃１ 用量单因素试验结果 见图 ４。 由图 ４ 可知，随着 ＢＷ⁃１ 用量增大，精矿品位 增加，回收率先增大后减小，在 ＢＷ⁃１ 用量为 ３００ ｇ／ ｔ 时回收率达到最大值，为 ９７．４６％。 捕收剂BW-1用量/g t-1 31 30 29 28 27 99 97 95 93 91 100200300400500 P2O5品位/ 回收率/ ■ ■ ■ ■ ■ ● ● ● ● ● 图 ４ 捕收剂 ＢＷ⁃１ 用量对磷精矿浮选指标的影响 ５５第 ３ 期王志强等 响应面曲线法优化贵州某磷块岩浮选工艺研究 ChaoXing ３ 优化实验 ３．１ 优化方案 利用 Ｄｅｓｉｇｎ Ｅｘｐｅｒｔ 软件，采用中心组合试验设计 方案，对三因素（磨矿细度、Ｈ２ＳＯ４用量、ＢＷ⁃１ 用量） 及其水平进行响应曲线设计，优化浮选工艺条件，同时 考察 ３ 个因素的交互影响。 在浮选单因素试验最优条 件下，确定了因子编码和自变量水平见表 ２。 表 ２ 试验因素水平及编码 因素编码单位 水平 -１ ０１ -０．０７４ ｍｍ 粒级含量Ａ％５０５５ ６０ Ｈ２ＳＯ４用量Ｂｋｇ／ ｔ１１．２１２．２１３．２ ＢＷ⁃１ 用量Ｃｇ／ ｔ２００３００４００ ３．２ 优化过程与结果分析 采用 Ｄｅｓｉｇｎ Ｅｘｐｅｒｔ 软件进行中心组合设计，设计 试验方案见表 ３。 按照表 ３ 方案进行了正交试验，试 验结果一并计入表 ３ 中。 本文以综合效率值为评价指 标，采用汉考克公式 Ｅ ＝ ε（β - α） β（１００ - α） １００％（１） 式中 Ｅ 为综合效率，％；α 为原矿品位，％；β 为精矿品 位，％；ε 为回收率，％。 表 ３ 中心组合设计试验方案及结果 编号 因素 ＡＢＣ Ｅ／ ％β／ ％ε／ ％ １５０１２．２２００７．３１５ ５２７．７８９７．９６ ２５０１１．２３００１４．８４３ ９２９．６６９５．２２ ３５５１２．２３００１１．３６６ ３２８．７２９７．４７ ４５５１２．２３００１１．６０２ ２２８．８０９６．６４ ５６０１１．２３００１２．０４６ ６２８．９０９６．８９ ６５５１３．２４００１４．５６３ ９２９．５５９６．１８ ７５０１２．２４００１６．０１６ ９３０．００９４．５０ ８５５１２．２３００１１．３７７ ９２８．７３９７．２１ ９５５１１．２４００１５．４０７ ７２９．８５９４．２２ １０５５１２．２３００１１．５５８ ４２８．７７９７．３２ １１５５１３．２２００６．４３２ ４６２７．６７９２．４４ １２５５１２．２３００１１．５６５ ７２８．７８９７．０３ １３６０１２．２４００１６．６４７ ７３０．２０９３．８７ １４６０１２．２２００１２．０２６ ４２８．９２９６．０７ １５６０１３．２３００１７．０４２ １３０．２５９５．０５ １６５０１３．２３００１０．４２６ ４２８．５０９７．４０ １７５５１１．２２００８．３８６ ３２８．０２９７．９１ ３．３ 模型方差分析 应用 Ｄｅｓｉｇｎ Ｅｘｐｅｒｔ 软件对数据进行响应面分析， 建立多元二次回归方程 Ｃｇ＝２８．７６＋０．２９Ａ-０．０５７Ｂ＋０．９０Ｃ＋０．６３ＡＢ-０．２４ＡＣ＋ ０．０１２ＢＣ＋ ０．５１Ａ２＋０．０５７Ｂ２-０．０４５Ｃ２（２） Ｒｙ＝９７．１３-０．４０Ａ-０．４０Ｂ-０．７０Ｃ-１．０１ＡＢ＋０．３２ＡＣ＋ １．８６ＢＣ-０．２９Ａ２-０．７０Ｂ２-１．２４Ｃ２（３） 式中 Ｃｇ 为预测响应精矿品位，％；Ｒｙ 为预测响应精矿 回收率，％；Ａ 为-０．０７４ ｍｍ 粒级含量，％；Ｂ 为 Ｈ２ＳＯ４ 用量，ｋｇ／ ｔ；Ｃ 为 ＢＷ⁃１ 用量，ｇ／ ｔ。 对以上二次响应面回归模型进行方差分析，结果 分别见表 ４ 和表 ５。 表 ４ 精矿品位模型方差分析结果 源平方和自由度均方Ｆ 值Ｐ 值 模型１０．１３９１．１３６９．３１＜０．０００ １ -０．０７４ ｍｍ 粒级 含量（Ａ） ０．６８１０．６８４１．８１０．０００ ３ Ｈ２ＳＯ４用量（Ｂ）０．０２６１０．０２６１．６３０．２４２ ５ ＢＷ⁃１ 用量（Ｃ）６．５１６．５４００．３２＜０．０００ １ ＡＢ１．５８１１．５８９７．０３＜０．０００ １ ＡＣ０．２２１０．２２１３．６１０．００７ ８ ＢＣ０．０００ ６２５１０．０００ ６２５０．０３９０．８５ Ａ２１．１１１．１６７．４７＜０．０００ １ Ｂ２０．０１４１０．０１４０．８６０．３８５ ２ Ｃ２０．００８ ５３１０．００８ ５３０．５３０．４９２ １ 残差０．１１７０．０１６ 失拟０．１１３０．０３６３１．６０．００３ 纯误差０．００４ ６４０．００１ １５ 总离差１０．２４１６ 表 ５ 精矿回收率模型方差分析结果 源平方和自由度均方Ｆ 值Ｐ 值 模型３４．３９９３．８２３．９６０．０４１ ７ -０．０７４ ｍｍ 粒级 含量（Ａ） １．２８１１．２８１．３３０．２８７ ４ Ｈ２ＳＯ４用量（Ｂ）１．２６１１．２６１．３０．２９１ ６ ＢＷ⁃１ 用量（Ｃ）３．９３１３．９３４．０７０．０８３ ３ ＡＢ４．０４１４．０４４．１８０．０８０ １ ＡＣ０．４１０．４０．４１０．５４１ ９ ＢＣ１３．８１１３．８１４．２９０．００６ ９ Ａ２０．３６１０．３６０．３７０．５６２ ９ Ｂ２２．０８１２．０８２．１６０．１８５ ４ Ｃ２６．５１１６．５１６．７４０．０３５ ６ 残差６．７６７０．９７ 失拟６．３５３２．１２２０．７５０．００６ ７ 纯误差０．４１４０．１ 总离差４１．１４１６ 表 ４ 结果表明，模型 Ｐ 值小于０．０５，说明模型是显 著的，即拟合良好，模型有效。 模型的失拟性检验值为 ０．００３，小于 ０．０５，说明拟合结果很适合表达目标函数。 根据三因素的 Ｐ 值大小，各因素对精矿品位的影响顺 序为ＢＷ⁃１ 用量 ＞磨矿细度 ＞Ｈ２ＳＯ４用量。 ６５矿 冶 工 程第 ４０ 卷 ChaoXing 表 ５ 结果表明，模型 Ｐ 值小于０．０５，说明模型是显 著的，即拟合良好，模型有效。 模型的失拟性检验值为 ０．００６ ７，小于 ０．０５，说明拟合结果适合表达目标函数。 根据三因素的 Ｐ 值大小，各因素对精矿回收率的影响 顺序为ＢＷ⁃１ 用量 ＞磨矿细度 ＞Ｈ２ＳＯ４用量。 ３．４ 因素间交互作用 为进一步研究各因素间的交互作用，利用 Ｄｅｓｉｇｎ Ｅｘｐｅｒｔ 软件对回归模型进行响应面分析，得到相应 的等高线图和响应面立体分析结果分别如图 ５ ～ ６ 所示。 图 ５ 各因素间交互作用对精矿品位的影响 图 ６ 各因素间交互作用对精矿回收率的影响 由图 ５ 可知，随着磨矿细度和 Ｈ２ＳＯ４用量增加， 精矿品位出现先降低后上升的趋势。 这是因为，磷矿 石中含大量可溶性矿物，主要脉石矿物白云石的可溶 性高，且随着粒度减小溶解速度增加。 即矿石磨矿细 度处于不同水平时对精矿品位的影响随硫酸水平而变 化，这说明磨矿细度和 Ｈ２ＳＯ４用量间的交互作用对精 矿品位影响显著。 由图 ６ 可知，随着 Ｈ２ＳＯ４用量和 ＢＷ⁃１ 用量增加， 回收率出现上升趋势，随着 Ｈ２ＳＯ４用量和 ＢＷ⁃１ 用量 继续增加，回收率反而降低。 这是因为 ＢＷ⁃１ 作为脂 肪酸皂类捕收剂，在酸性条件下可水解成脂肪酸，减弱 了捕收剂在白云石表面的吸附效果。 即 ＢＷ⁃１ 用量处 于不同水平时对回收率的影响随硫酸水平变化而变 化，这说明 ＢＷ⁃１ 用量与硫酸用量的交互作用对回收 率影响显著。 ３．５ 最优浮选工艺条件及模型验证 设定综合效率值为最大值时为最优条件。 采用软 件 Ｄｅｓｉｇｎ Ｅｘｐｅｒｔ 进行优化分析，得到最优条件为磨矿 细度-０．０７４ ｍｍ 粒级占 ６０％，Ｈ２ＳＯ４用量 １３．２０ ｋｇ／ ｔ， ＢＷ⁃１ 用量 ４００ ｇ／ ｔ。 此条件下模型预测综合效率为 １９．１８５ １。 为验证响应曲面模型的准确性，在最优浮选 条件下进行了浮选试验，获得了品位 ３０．９４％、回收率 ９２．４５％ 的磷精矿，此条件下磷精矿综合效率值为 １９．００１ ９，与响应曲面的理论综合效率值接近，表明该 优化模型所得结果可作为该矿物的浮选条件使用。 ４ 结 论 １） 对贵州某沉积钙质磷块岩进行了单因素试验 研究，确定了较优浮选条件。 在磨矿细度-０．０７４ ｍｍ 粒级占 ５５％、Ｈ２ＳＯ４和 ＢＷ⁃１ 用量分别为 １２．２ ｋｇ／ ｔ 和 ３００ ｇ／ ｔ 条件下，获得了Ｐ２Ｏ５品位２８．７４％、回收率９７．４６％ 的精矿。 ２） 进行了三因素三水平正交试验，采用Ｄｅｓｉｇｎ Ｅｘｐｅｒｔ （下转第 ６１ 页） ７５第 ３ 期王志强等 响应面曲线法优化贵州某磷块岩浮选工艺研究 ChaoXing ３ 结 语 １） 矿石中锂云母、铁锂云母及含锂白云母是主要 回收的含锂铷铯矿物，其多以粒间形式分布在石英和 长石粒间，嵌布粒度以中细粒为主。 但有部分细粒的 锂云母、含锂白云母被长石和石英包裹，粒度较细，单 体解离困难，可浮性较差，不易回收。 该矿石风化较严 重，含有一定量易泥化的黏土矿物，此外还有部分微细 粒含锂白云母，在磨矿过程中皆易泥化形成矿泥，将影 响选矿指标。 ２） 根据矿石性质，该矿宜采用磨矿⁃脱泥⁃浮选的 工艺流程。 采用碱法阴离子⁃阳离子浮选工艺，十二胺 和氧化石蜡皂作阴、阳离子混合捕收剂，ＣＰ⁃５ 为浮选 助剂，浮选闭路试验获得 Ｌｉ２Ｏ 品位 ３．７７％、Ｒｂ２Ｏ 含量 ０．６７％、Ｃｓ２Ｏ 含量０．１１％，回收率分别为 ７２．５８％、７１．０９％和 ７１．５４％的锂云母精矿，选矿指标较理想。 参考文献 ［１］ Ｑｕｎｘｕａｎ Ｙａｎ， Ｘｉｎｈａｉ Ｌｉ， Ｚｈｏｕｌａｎ Ｙｉｎ， ｅｔ ａｌ． Ａ ｎｏｖｅｌ ｐｒｏｃｅｓｓ ｆｏｒ ｅｘｔｒａｃｔｉｎｇ ｌｉｔｈｉｕｍ ｆｒｏｍ ｌｅｐｉｄｏｌｉｔｅ［Ｊ］． Ｈｙｄｒｏｍｅｔａｌｌｕｒｇｙ， ２０１２，１２１- １２４５４-５９． ［２］ Ｙａ Ｃｈｅｎ， Ｑｉａｎｑｉｕ Ｔｉａｎ， Ｂａｉｚｈｅｎ Ｃｈｅｎ， ｅｔ ａｌ． Ｐｒｅｐａｒａｔｉｏｎ ｏｆ ｌｉｔｈｉｕｍ ｃａｒｂｏｎａｔｅ ｆｒｏｍ ｓｐｏｄｕｍｅｎｅ ｂｙ ａ ｓｏｄｉｕｍ ｃａｒｂｏｎａｔｅ ａｕｔｏｃｌａｖｅ ｐｒｏｃｅｓｓ［Ｊ］． Ｈｙｄｒｏｍｅｔａｌｌｕｒｇｙ， ２０１１，１０９４３-４６． ［３］ 王秋舒，元春华，许 虹． 全球锂矿资源分布与潜力分析［Ｊ］． 中 国矿业， ２０１５，２４（２）１０-１７． ［４］ 董 栋，程宏伟，郭保万，等． 锂辉石选矿技术现状及展望［Ｊ］． 矿 产保护与利用， ２０１８（４）１３０-１３４． ［５］ 赵悦豪，王毓华，郑海涛，等． 四川某锂辉石矿磨矿产品粒级优化 试验研究［Ｊ］． 矿冶工程， ２０１９（１）４９-５３． ［６］ 梅 志，孙 伟，刘若华，等． 四川某锂辉石矿浮选试验研究［Ｊ］． 矿冶工程， ２０１５（５）４６-４８． ［７］ 刘跃龙，陈文彦，刘够生． 中国矿山型锂矿资源分布及提取碳酸锂 技术［Ｊ］． 无机盐工业， ２０１３，４５（６）８-１０． ［８］ 谭秀民，张永兴，张利珍，等． 能源金属锂资源开发利用现状及发 展建议［Ｊ］． 矿产保护与利用， ２０１７（５）８７-９２． ［９］ 邓海波，张 刚，任海洋，等． 季铵盐和十二胺对云母类矿物浮选 行为和泡沫稳定性的影响［Ｊ］． 非金属矿， ２０１２，３５（６）２３-２５． ［１０］ 吕子虎，赵登魁，沙惠雨，等． 阴阳离子组合捕收剂浮选锂云母的 试验研究［Ｊ］． 矿产保护与利用， ２０１７（２）８１-８４． ［１１］ 刘书杰，王中明，陈定洲，等． 某钽铌尾矿锂云母、长石分离试验 研究［Ｊ］． 有色金属（选矿部分）， ２０１３（Ｚ）１７７-１７９． 引用本文 吕子虎，卫 敏，吴东印，等． 某锂多金属矿浮选工艺研究［Ｊ］． 矿冶工程， ２０２０，４０（３）５８-６１． （上接第 ５７ 页） 软件进行分析，结果表明，ＢＷ⁃１ 用量是影响精矿品位 和回收率的主要影响因素；磨矿细度与 Ｈ２ＳＯ４用量的 交互作用对精矿品位影响显著；Ｈ２ＳＯ４用量和 ＢＷ⁃１ 用量之间的交互作用对精矿回收率影响显著。 ３） 通过软件 Ｄｅｓｉｇｎ Ｅｘｐｅｒｔ 预测并验证，在磨矿细 度为-０．０７４ ｍｍ 粒级占 ６０％、Ｈ２ＳＯ４用量 １３．２０ ｋｇ／ ｔ 及 ＢＷ⁃１ 用量 ４００ ｇ／ ｔ 条件下，采用一段反浮选工艺， 可获得 Ｐ２Ｏ５品位 ３０．９４％、回收率 ９２．４５％的磷精矿。 参考文献 ［１］ 国土资源部． ２０１７ 中国矿产资源报告［Ｊ］． 地质装备， ２０１７，１８ （６）３-５． ［２］ 薛 珂，张润宇． 中国磷矿资源分布及其成矿特征研究进展［Ｊ］． 矿物学报， ２０１９，３９（１）７-１４． ［３］ 刘 朋，葛英勇，刘 鸣，等． 四川某磷矿双反浮选试验研究［Ｊ］． 矿冶工程， ２０１８，３８（３）６３-６５． ［４］ 王大鹏． 中低品位胶磷矿柱式浮选过程强化与短流程工艺研究［Ｄ］． 徐州中国矿业大学化工学院， ２０１１． ［５］ 阮耀阳，罗惠华，张泽强，等． 难选硅钙质胶磷矿正反浮选研究［Ｊ］． 矿冶工程， ２０１７，３７（６）３８-４１． ［６］ 梁 欢，李博洋，沈博玮，等． 高镁中低品位磷矿反浮选捕收剂的 合成及其浮选性能研究［Ｊ］． 矿冶工程， ２０１７，３７（５）４４-４８． ［７］ 耿 超，刘志红，程 伟，等． 复配捕收剂改善磷矿浮选效果的机 理研究［Ｊ］． 矿冶工程， ２０１９，３９（５）３０-３３． ［８］ 马一嘉，武俊杰，倪天阳． 我国磷矿资源的开发利用现状及进展［Ｊ］． 矿冶， ２０１８，２７（２）５３-５６． ［９］ 张 晋，葛英勇，彭兴华，等． 某含碳磷矿浮选试验研究［Ｊ］． 矿冶 工程， ２０１９，３９（６）４３-４６． ［１０］ 冯其明，周清波，张国范，等． 六偏磷酸钠对方解石的抑制机理［Ｊ］． 中国有色金属学报， ２０１１，２１（２）４３６-４４１． 引用本文 王志强，聂光华，李德伟，等． 响应面曲线法优化贵州某磷块 岩浮选工艺研究［Ｊ］． 矿冶工程， ２０２０，４０（３）５４-５７． １６第 ３ 期吕子虎等 某锂多金属矿浮选工艺研究 ChaoXing