X射线智能分选机应用于镜铁山矿难选铁矿预选工艺的试验研究.pdf

编 辑 安 秀 清 分 蓬 墨 圈舢机械猢糊㈣，坤 X 射线智能分选机应用于镜铁山矿 难选铁矿预选工艺的试验研究 雷永顺1 ，展仁礼1 ，陈铁军2 ，边立国1 ，郭忆1 1 酒泉钢铁 集团 有限责任公司技术中心甘肃嘉峪关7 3 5 1 0 0 2 武汉科技大学资源与环境工程学院湖北武汉4 3 0 0 8 1 摘要针对酒钢镜铁山矿桦树沟低品位难选V 铁矿石，采用x 射线智能分选机对V 矿体块矿进行 了预选抛废处理，对不同粒级样品进行了手工分拣、探索性试验、条件试验和验证试验。试验结果 表明v 矿体A 1 1 5 4 5m m 矿样验证试验抛废率为1 2 ．7 9 ％时，可取得尾矿品位为1 0 ．1 5 ％、金 属回收率为9 4 ．5 5 ％、品位提高2 ．0 1 个百分点的指标；v 矿体A 2 4 5 1 0 0m m 矿样验证试验抛废率 为1 6 ．1 6 ％时，可取得尾矿品位为1 0 ．4 2 ％、金属回收率为9 2 ．9 7 ％、品位提高2 ．6 1 个百分点的指标；V 矿体A 3 1 5 ～1 0 0 删m 矿样验证试验抛废率为1 7 ．2 8 ％时，可取得尾矿品位为1 1 ．2 6 ％、金属回收率为 9 1 ．8 3 ％、品位提高2 ．6 2 个百分点的指标。 关键词难选铁矿；预选抛尾；x 射线智能分选机 中图分类号T D 4 6 1 文献标志码B文章编号10 0 1 3 9 5 4 2 0 2 0 0 7 0 0 5 6 一0 5 1 1 e s ts t u d yo na p p l i c a t i o no fX r a yi n t e l l i g e n ts e p a r a t o rt Op r e _ c o n c e n t r a t i o n p r o c e s so fr e f l r a c t o r yi r o no r ef t o mJ i n g t i e s h a n 】V I i n e L E IY b n g s h u n l ，z H A NR e n l i l ，C H E NT i e j I m 2 ，B I A NL i g u 0 1 ，G U OY i l 1 J I S C OT e c l l r I o l o g yC e m e r J i a y u g u a n7 3 5 1 0 0 ，G a n s u ，C h i n a 2 S c h o o lo fR e s o u r c e E n v i r o n m e n t a lE n g i n e e r i n g ，W u h a I lU n i v e r s i t yo fS c i e n c e T e c h n o l o g y ， W u h a n4 3 0 0 81 ．H u b e i ．C h i n a A b s t r a c t X - m yi n t e l l i g e n ts e p a r a t o rw a sa p p l i e dt oc o n d u c tw a s t ed i s c a r d i n gp r e 。c o n c e n t r a t i o nf o rt h e l o w ．g m d er e 丘a c t o r yVi r o no r eb o d y 仔o mH u a s h u g o uo fJ i n 垂i e s h a nM i n eo fJ I S C O ，a n dm a n u a ls o n i n g ， e x D l o m t o r yt e s t ，c o n d i t i o n a lt e s ta n dv e r i 6 c a t i o nt e s tf o rv a r i o u s s i z es 锄p l e sw e r ec 枷e do u ta l s o ．T h et e s t r c s u l t ss h o w e d w h i l et h ew a s t ed i s c a r d i n gr a t i oo f m eVo r cb o 1 yA 1 1 5 ～4 5m m s 锄p l eb e i n g1 2 ．7 9 ％i n v e m c a t i o nt e s t ，t l l ei I l d e x e si 1 1 v o l v i n g1 0 ．1 5 ％t a i l i n g s 铲a d e ，9 4 ．5 5 ％m e t a lr e c o V e 够a n d2 ．0 1p e r c e n t a g ep o i n t i I l c r e a s ei ng r a d ew e r eo b t a i n e d ；w h i l em ew a s t ed i s c a r d i I l gm t i oo ft l l eVo r eb o d yA 2 4 5 ～10 0m m s a r n p l e b e i n g16 ．16 ％i 1 1v e r i 丘c a t i o nt e s t ，t l l ei I l d e x e si n v 0 1 V i n g10 ．4 2 ％t a i l i n g sg r a d e ，9 2 ．9 7 ％m e t a lr e c o V e 拶a I l d2 ．61 p e r c e n t a g ep o 血i I l c r e a s ei ng m d ew e r eo b t a i l l e d ；w l l i l et 1 1 ew a s t ed i s c a r d i n gr a t i oo fm eV o r eb o d yA 3 15 ～ 10 0r 姗 s 舭1 p l eb e i I l g17 ．2 8 ％i nv 舐f i c a t i o nt e s t ，m ei n d e X e si n V o l v i n g11 ．2 6 ％t a i l i n g s 蹦l d e ，91 ．8 3 ％m e t a l r e c o v e 搿a 1 1 d2 ．6 2p e r c e n t a g ep o i n ti I l c r e a s ei n 铲a d ew e r eo b t a i n e d ． K e yW o r d s r e 缸．a c t o r yi r o no r e ；w a s t ed i s c 矾i n gp r e - c o n c e n t r a t i o n ；X - r a ym t e l l i g e n ts 印a r a t o r 作者简介雷永顺，男，1 9 6 5 年生，高级工程师，主要从事矿 山生产技术及管理工作。 通信作者陈铁军，男，1 9 7 3 年生，教授，博士生导师，主要 研究方向为复杂铁矿分选、造块及尾矿综合利用。 预 选是选矿厂节能降耗的有效环节，通过预选 抛尾技术可以预先抛出部分尾矿，有利于降低 选厂产品加工成本，并降低细粒尾矿量，延长尾矿 库使用年限u 1 。酒钢集团宏兴钢铁股份有限公司镜铁 山矿年输出o ～1 0 0m m 铁矿石约9 0 0 万t ，矿石在矿 万方数据 舢机械舢糊舭⋯囝 编 辑 安 骨璧翌篓磐氅趸和曼意苎妻。璧竺苎妻孽竺兰窭至试验所用矿样是在酒钢镜铁山矿v 矿体正常出 秀 竺堆存4 1 ．哩些- 要塑铁矿鬯萼量奎愿望差要乏耄矿的三蒜’莱罩2 j ’j 希磊X _ 三；磊。水平j 五磊j 元 清 要。苎矿竺紧 望翌巷二三苎塑 [ 茎 警些鉴璧巍历采样，妄集出j 麦亭样矗。。l 然后妄卤，薪祟流磊 要的翌堡。 山里 警选可竺堡堡 整鬯苎预耋篓葚藉蠢蒋萄蕃；≥菜巍度的墓谪“手藉9 善棼荔羞‘j 堂，歪哩要要皇j 竺，。二方要可攀 竺孽塞、。篓霉 ；耗聂 。二i 罔l 三菇二 芯i ；I 。品’孟≤西a j 翌．警竺竺望茎警告产璺 。．墨客夏 坠垡少妻鲁j 茹i 二m 葬别进行预建施废蕞验，X ；i 南薹≥磊 [ 苎警要害享耋鲁量．．苎篓窭至兰蓥兰至皇宅坠垩长场块矿原≥缥蕃蒹。姜花攀荔磊爰易相分菥赫赫萎 废石兰孥”譬孽竺堡，节竺挈挚窭孚差望鬯攀登妻只。， 王7 三薪罚蕃磊凌并磊误。釜夏磊j 薪罚“⋯““”‘ 镜铁山桦树沟V 矿体为低品位难选铁矿石，主 ’⋯～⋯一⋯”⋯⋯⋯⋯’⋯⋯ 要嗣饫矿物为锐饫锣、菱饫司、{ { 两饫4 1 l ，明属弱傲 破碎矿；脉石矿物为碧玉、重晶石、石英。矿体上 鼻业缸点工曲也T 鼻地耙组点工曲坐廿胁b 下 筛分1 ⋯y ⋯⋯Ⅲ7 ’7 一⋯⋯7 ’7 。‘’’ 一l U J m m I ⋯⋯一n 舟圈尝问常右一藩皂今剧b 千船j 粤 、，确叶表亚构轴后毒出 I 筛分 品位约为2 7 ％。铁矿石在开采时，采用无底柱分段。．．I 。⋯． I 崩落法，由于上下盘约为l o ％。1 5 ％的围岩混入铁。葛；；嬲伊触。1 5 ～1 0 0 m m 矿石中，导致实际输出矿石铁品位约为2 3 ％。多年 筛分l 来，这部分矿石由于铁品位低，受选矿工艺技术水平椭咖ll 娟m m 及经济条件制约，一直未得到合理利用，只能极少量 A 2 4 5 “1 D o m mA 1 1 5 - 1 0 0 m m 1 0 ％以下 地配合桦树沟矿使用。目前公司计划对该 隐1P 三丑焉篙‰撇伽n 戛差冀鎏妻％跫熏嬲然三翌 表，矿籼的多藤分析躲 其进行预选抛废。因此，有必要对镜铁山桦树沟V 矿 T a b ．1A n a 孟。’m ￡盂t ；二二赫二i 磊。蛐p l 。A 3 ％ A 1 2 0 3 C a O M g O M n O N a 。O K 2 0体块l j J 坝姗匠拨孜木进仃饼艽，佣疋遁笛即坝越珂西躞元素 0 ．7 91 ．1 60 ．1 90 ．0 3 50 ．6 l2 2 ．8 7 工艺。 含量3 6 ．0 31 ．9 3 SPC 垮 P b目前国内弱磁性铁矿的预选，所用的设备为大 元素 Z nC u 3 ．5 80 ．O l2 ．3 5 7 ．9 4 O ．0 0 1 5 粒彦跳汰机、粗粒永磁强磁选机、感应辊等强磁选设 含量 O ．0 1 10 ．0 4 备儿5 1 。镜铁山矿严重缺水，不能考虑重选，前期配 表2 矿样A 3 的物相分析结果 矿使用时，现场采用单纯强磁工艺进行抛尾，发现虽 T a b ．2A n a I y s i sM s u l t so fp h a s eo fs a m p l eA 3％ 硅酸铁磁铁矿赤褐铁矿 总铁 然ⅡJ 以便得矿自品但堤升到j 妥迎地庾品位，但共尾矿 ⋯．． 碳酸铁 中铁中铁中铁 品位在1 5 ％一1 6 ％，资源损失太大，须考虑更加有效 ⋯“ 中铁 O ．9 0l O ．5 6 2 2 ．8 7 9 ．5 5O ．7 3 的抛1．15 。 含量 3 ．9 14 6 ．1 61 0 0 ．0 04 1 ．7 53 ．1 8 v白45．00畚B 上k 二吐；士n 旦世他t 二出壬 ；} 1 上任田士n { ∞岳 分布率 ‘▲，q J ‘日口u ，J ，‘；v u ，‘1 7 E 矿Jod ‘- ；H ●’； 0I 厂，_ oyo 例 和电的组合进行分离矿物的选矿方法，即在x 射线 表3 各粒级样品的铁品位 透射下，利用不同矿物成分和性质的差异，通过电脑 T a b 31 m ng r a d eo ’V a o u s - s 娩e 识舄I I 建青各卷石广石．围尝信自崖．堆产时招寓{ 柬X 8 a m p l 。8 品位／％ 爵森磊亲纛系赫毒二疾疡藉蒜赫痢，_ 信未凳 粒级区间／咖 1 5 ～1 0 02 3 ．8 2 2 3 ．9 54 5 一1 0 0计算机，经过后台快速计算判定属于矿石还试样A 2 2 3 ．8 4 15～45，下达指令启动喷吹执行机构动作，精准喷射试样Al 2 1 ．2 00 ～1 5 废石或矿石，实现矿废分离们。该设备识别度 粉矿样 2 2 ．8 70 1 0 0 覃I I 时问箍iT 作旆珐e 宣鼎hJ 棼珐扣日亩舒芦i 圣 全粒级样 在非金属、有色金属和稀贵金属领域获得了较好的应从表3 可以看出，本次试验用V 矿体原矿品位 用阻1 0 1 。但在铁矿预选领域尚未有应用，笔者用此设约为2 3 ％，与目前镜铁山矿v 矿体输出品位一致。 备对酒钢镜铁山V 矿体1 5 一1 0 0m m 块矿进行预选试从物相分析来看，V 矿体主要铁物相为赤褐铁矿与菱 万方数据 圈舢机械艄籼㈣。期 编 辑 安 秀 清 匿 铁矿，其中菱铁矿铁分布达到了4 1 ．7 5 ％，明显高于 镜铁山矿其他矿体 2 0 ％。3 0 ％ 瞄。4 1 ，这可能是该矿体 品位相对较低且强磁预选效果较差的原因。 2 试验设备与方法 2 _ 1 试验设备 本次试验所用设备为北京霍里思特科技有限公司 生产的x N D T 一1 0 4 智能分选机；主传送带宽度为1 ．6 m ；可选粒度为8 ～1 5 0m m ；分选机处理量为4 0 ～ 1 5 0 们1 ；传送带速度为3 Ⅱ∥s 。 该试验设备是清华大学精密仪器系和北京霍里思 特科技公司联合自主研发的x 射线智能矿石分选机。 设备符合矿山应用规范，稳定性和可靠性高，从前期 研究及应用结果来看，该设备在物质分选精度、传送 带速度、单机粒度处理范围、产量等关键指标上都达 到了较高水平‘”。x N D T 1 0 4 智能分选机的外形及原 理如图2 所示，其主要性能参数如表4 所列。 粉料输送带 图2 智能分选机的外形及原理 F i g ．2 P r 0 6 l ea n dp r i n c i p l eo fi n t e l l i g e n ts e p a r a t o r 表4智能分选机的主要眭能参数 T h b ．4M a i np e r f o r m a n c ep a r a m e t e r so fi n t e m g e n t s e p a r a t o r 参数数值 主传送带宽度／m 1 ．6 主传送带速度／ m s 。 3 分选粒度／n u n8 一1 5 0 分选产量／ t ．h 。1 4 0 ～1 5 0 主设备功率／k w1 0 辅助设备功率／k w空压机5 0 ～7 5 由抛废率决定 设备质量／t l O ～1 2 智能分选系统包括三大子系统传动部分 振动 给料、高速传送带、分料传送带 、识别部分 射线 源、探测器、电气柜工控机 和分选部分 气排枪、气 罐、电气柜控制单元 。 分选时，将符合粒级要求的块矿输送到振动给料 器，块矿被振动分散后，掉落到高速传送带上，向前 运行l ～2m 后获得稳定的速度，形成均匀平铺在传 送带上的矿石流。矿石流通过射线源正下方时，由高 压激发的x 射线以扇面形式从上向下照射，传送带 上经过扇面的矿石块会减弱射线强度，使穿透矿石的 x 射线因石块中金属元素含量的高低而产生不同程度 的衰减。传送带下方的探测器可以感知衰减后的x 射线强度，并把该信息转化为数字信号，传送给计算 机处理。射线扇面会覆盖传送带的有效宽度，探测器 则与传送带宽度相同，以保证传送带上的每块矿石都 被检测到。计算中运行智能分选软件，对探测器采集 的数据进行成像处理并进行分析识别，根据预先设定 的分选参数，判别标记石块为低品位废石还是高品位 矿石，同时把已标记的石块位置信息发送给喷吹控制 单元。当石块飞离传送带经过气排枪时，喷吹控制单 元根据分选软件提供的矿石信息，分别控制多个电磁 阀的启停，通过气排枪的喷嘴可以精准地喷吹已标 记的高品位矿石，使其改变飞行轨迹落入精矿仓，而 被标记的低品位废石则沿原有的抛物线轨迹落入废 石仓‘7 1 。 2 ．2 试验方法 考虑到x 射线智能分选机具备智能学习的分选 特点，为确保试验分选精度，试验分步进行，具体步 骤如下。 1 对矿石进行手工分拣矿样运抵之后，技 术人员从矿样中随机抽取l o ok g 样品，然后手工分 拣出各类典型围岩和矿石，拣选的依据是样品表面颜 色、感受密度、中心钻孔取样化验比对，最后对每一 类围岩和矿石进行制样化验。智能分选机对矿石和围 岩进行学习记忆，将分拣出的矿石、围岩标样分别给 入智能分选机，利用x 射线透射、电脑识别记忆，建 立V 矿体铁矿石、围岩信息库。 2 探索性试验取样品2 0 0k ，进行智能预选 抛废探索性试验，对抛废结果进行二次手工分拣，对 有异议的矿石进行重复识别判定，对手工分拣得到的 矿石、围岩信息库进行校正、补充完善。 3 条件试验分粒度进行不同抛废率的智能预 选抛废条件试验，考察抛废率由低到高时尾矿品位、 矿石品位提高幅度及金属回收率变化情况，确定各矿 样最佳抛废比例。 4 验证试验利用系统I 生条件试验确定的最佳 抛废比例及设备参数，进行扩大给料量的验证试验， 考察设备的稳定性和试验数据的可靠性。 万方数据 舢机械籼籼㈣，期圆 本试验中矿石取样量均参照块状铁矿石取样量公达到人工拣选的精度，同样也可以在较少铁损失的情 式确定，即况下大幅度提升品位，现场可以根据需求进行抛废率I Q ≥K d 2 ， 调整。 } 式中Q 为取样量，k g ；K 为矿石特性系数，黑色3 ．1 ．2 验证试验 l 金属矿物一般取o ．1k g ／n 珊 ；d 为矿样中最大矿石粒 A l 矿样一共开展了1 2 ％、2 5 ％左右2 个抛废率 ； 径，m m 。 的验证试验，验证试验每个条件给矿量3 5 0 埏，考察． I 共取。一1 0 0 衄原矿样1 5t ，各条件的样品量是 设备的稳定性和试验数据的可靠性。试验数据如表6 根据设备运行时间及粒度大小经验估算的，条件试验 所列。 粕嵬潋 最大1 0 0m m 的样品量按2 0 0 埏，d 、j l 鲨e 级 最 表6A 1 矿样智能预选抛废验证试验结果 大4 5m m 按1 5 0k g ，验证试验样品量扩大一倍多一 T a b 一。．R 。3 u o 。V 。嘟。a 咖n ‘。s t 衙．虹钯l l i g 。玳w 8 m ． 点，样施由备蘸品采胭分法缩分获取的。 黼位慧叫熹篙n 篙蒜n 筹箍高嘉‘ 2 3 ．8 41 2 ．7 92 5 ．8 51 0 ．1 59 4 ．5 52 ．0 11 2 ．7 92 5 ．8 51 0 ．1 59 4 ．5 52 ．0 1 3试验结果与分析 2 3 ．8 42 5 ．7 22 7 ．5 81 3 ．0 58 5 ．9 2 3 ．7 4 1 3 ．0 58 5 ．9 2 3 ．’7 4 2 5 ．7 22 7 ．5 8 本次试验将V 矿体A 矿样筛分成了A l 1 5 一从表6 可以看出，当抛废率为1 2 ．7 9 ％时，尾矿 4 5 衄n 、A 2 4 5 一1 0 0I n m 、A 3 1 s 一1 0 0m m 3 种 品位为l o ．1 5 ％，金属回收率为9 4 ．5 5 ％，品位可以提 粒度，分别开展了智能预选抛废条件试验和验证试 高2 ．0 1 个百分点；当抛废率提高到2 5 ．7 2 ％时，尾矿 验。试验开始前对V 矿体1 5 4 5n u n 块矿进行了手 品位升高到1 3 ．0 5 ％，金属回收率降至8 6 ．9 2 ％，品位 工分拣试验，矿石中含有纯围岩1 2 ．8 6 ％，围岩品位 可以提高3 ．7 4 个百分点，验证试验结果与条件试验结 1 0 ．2 4 ％，围岩全部抛除后矿石品位可提高1 ．9 9 个百果基本一致。 分点，多漏回收率为9 4 4 6 ％。 3 ．2A 2 矿样智能预选抛废试验 3 ．1A 1 矿样智能预选抛废试验 气91 冬律诂赊 3 1 1条件试验 A 2 矿样一共开展了6 个不同抛废率的条件试 A 1 矿样共开展了9 个不同抛废率的条件试验， 验，每次试验给矿量2 0 0 蚝左右，考察抛废率由低到 每次试验给矿量约1 5 0k g ，考察抛废率由低到高时尾 高时尾矿品位、矿石品位提高幅度及金属回收率变化 矿品位、矿石品位提高幅度及金属回收率变化情况， 情况，确定A 2 矿样最佳抛废比例。试验数据如表7 确定A 1 矿样最佳抛废比例。试验数据如表5 所列。 所列。 表5A 1 矿样智能预选抛废条件试验结果 表7A 2 矿样智能预选抛废条件试验结果 ’I h b 5 R 船u l t so f 。o n 删o n a I t 。3 t f o 。i n t e u i g 。n t w a s t 。1 h b ．7 R ∞u №o f c o n d i t i o n a l t e s t f o r I n t e m 辨n t w a s t e 拙c a r m 赡p 降c 仰c e n t r a 廿蛐o f 姐m p I eA l ％ m s c a r 讹2p 伦c 叫c e n 仃蚰蚰0 fs a m ；eA 2 ％ 精矿品位H 万风尾矿品位回收率品位提高百分点 原矿品位抛废率精矿品位尾矿品位回收率 抛废率 2 3 ．8 44 ．3 l2 4 ．6 07 ．0 09 8 ．7 4U ，0 2 3 ．9 56 ．8 9 2 5 ．1 4 7 ．8 29 7 ．7 5 1 ．1 9 2 3 ．8 48 ．9 02 5 ．3 38 ．5 69 6 ．8 0l - 甜 2 3 ．9 5U ．5 52 5 ．7 61 0 ．0 89 5 ．1 41 ．8 l 2 3 ．8 41 2 ．5 82 5 ．8 21 0 ．1 l9 4 ．6 6l 粥 2 3 ．9 51 6 ．1 02 6 ．4 31 1 ．0 59 2 ．5 72 ．4 8 2 3 ．8 41 6 ．6 32 6 ．3 01 1 ．5 19 1 ．9 7z ．袖 2 3 ．9 51 9 ．8 92 6 ．8 01 2 ．4 78 9 ．6 42 ．8 5 2 3 ．8 41 9 ．5 82 6 ．7 31 1 ．9 99 0 ．1 5Z - 料 2 3 ．9 52 1 ．3 72 6 ．9 91 2 ．7 58 8 ．6 23 ．0 4 2 3 ．8 42 0 ．0 42 6 ．8 01 2 ．0 48 9 ．8 8Z 如 2 3 ．9 53 1 ．2 22 7 ．2 l1 6 ．7 67 8 ．1 53 ．2 6 2 3 ．8 42 5 ．3 52 7 ．5 51 2 ．9 28 6 ．2 7j ．儿 2 3 ．8 43 l - 8 02 7 ．6 21 5 ．7 37 9 ．0 23 ．7 8 从表7 可以看出，随着抛废率的提高，精矿品位 4 6 ．7 72 8 ．6 41 8 ．3 86 3 ．9 34 - 舳 和尾矿品位均呈现上升趋势．铁矿石品位提高幅度越 2 3 ．8 4 和昆蹩毒暑缛岂。．燃誊熟黧篡来越奎鑫雾譬器譬品位为n 嘞，金 竺要品慧黑圭冀熬篓矿石品位提高幅度越 属回最荔爱茹L 警蔷兹筹篡苯荔羔亍 来越盔盎黧紫慧警警舻口倍蠕⋯．倪蔷嚣夏箬喾’簇蚩僦毒品爵募 当抛废率为1 2 ．5 8 ％时，尾矿品位为l o ．1 l ％、冒 1 以倡山。_ 粥拔早l ’腿饵但反’ 删甩1 { ，叩 金属回收辜为9 4 ．6 6 ％，品位可以提高1 ．9 8 个百分 位略微上升，但总体尾矿品位仍然可以保持一个较低 点；当抛废率提高到2 5 ．3 5 ％’时，尾矿品位升高到 水平。 5 9 万方数据 圆舢机械籼糊㈣，期 编 辑 安 秀 清 证试验给矿量为4 3 1 ．3k g ，考察设备的稳定性和试验 数据的可靠性。试验数据如表8 所列。 表8A 2 矿样智能预选抛废验证试验结果 T 蛐．8R 鹊u I t so fV e r i 6 c a t 量o nt e s tf o ri n t e 山g e n tw 且s t e m s c a r d i n gp r e - c o n c e n t r 曩6 0 no fs a m p I eA 2 ％ 从表8 可以看出，当抛废率为1 6 ．1 6 ％时，尾矿 品位为1 0 ．4 2 ％，金属回收率为9 2 ．9 7 ％，品位可以提 高2 ．6 1 个百分点，验证试验结果与条件试验结果基本 一致，一定程度上说明了试验的可靠性。 3 ．3A 3 矿样智能预选抛废试验 3 ．3 ．1 条件试验 A 3 矿样一共开展了6 个不同抛废率的条件试 验，每次试验给矿量2 0 0 埏左右，考察抛废率由低到 高时尾矿品位、矿石品位提高幅度及金属回收率变化 情况，确定A 3 矿样最佳抛废比例。试验数据如表9 所列。 裹9A 3 矿样智能预选抛废条件试验结果 ’I h b ．9R e 譬u I t so fc o n d i t i o n a lt e s tf o ri n t e m 霉e n tw a s t e d i s c a r d i n gp r e _ c o n c e n t r a 哦mo fs a m p I eA 3 ％ 原矿品位 抛废率 精矿品位尾矿品位回收率 品位提高百分点 2 3 ．8 26 ．0 62 4 ．9 66 ．1 49 8 ．4 41 ．1 4 2 3 ．8 21 2 ．5 3 2 5 ．8 19 ，9 l9 4 ．7 91 ．9 9 2 3 ．8 21 6 ．9 22 6 ．4 11 1 ．0 89 2 ．1 32 ．5 9 2 3 ．8 22 0 ．1 3 2 6 ．6 3 1 2 ．6 68 9 ．3 02 ．8 1 2 3 ．8 23 0 ．4 02 7 ．0 31 6 ．4 87 8 ．9 73 ．2 l 从表9 可以看出，随着抛废率的提高，精矿品位 和尾矿品位均呈现上升趋势，铁矿石品位提高幅度越 来越大，金属回收率呈下降趋势。 当抛废率为1 6 ．9 2 ％时，尾矿品位为1 1 ．0 8 ％，金 属回收率为9 2 ．1 3 ％，品位可以提高2 ．5 9 个百分点。 与分粒级分选效果基本一致。 3 ．3 ．2 验证试验 对A 3 矿样开展了1 7 ％左右抛废率的验证试验， 验证试验给矿量为4 3 2 ．3k g ，考察设备的稳定性和试 验数据的可靠性。试验数据如表1 0 所列。 裹10A 3 矿样智能预选抛废验证试验结果 ．I 抽．1 0R e s u I t so f V e r 洒c a t i o nt e s tf o ri n t e m g e n tw a s t e 珊s c 叠r 曲gp r e - c o n c 蛐t r a H O nO f s a m p l e A 3 ％ 原矿品位I 抛废率l 精矿品位I 尾矿品位l 回收率l 品位提高百分点 2 3 ．8 21 7 ．2 82 6 ．4 4U ．2 69 1 ．8 32 ．6 2 从表1 0 可以看出，当抛废率为1 7 ．2 8 ％时，尾矿 品位为1 1 ．2 6 ％，金属回收率为9 1 ．8 3 ％，品位可以提 高2 ．6 2 个百分点，验证试验结果与条件试验结果基本 一致。 4 缟诊 1 经过手工分拣试验分析得出本次试验所用V 矿体块矿中纯围岩含量为1 2 ％一1 3 ％，当V 矿体各粒 级矿样智能预选抛废率为1 2 ％一1 3 ％时，取得的精矿 品位、尾矿品位、矿石品位提高幅度、金属回收率等 指标均与手工分拣试验一致，说明该智能分选机具备 抛除V 矿体铁矿石中纯围岩的能力。 2 A l 矿样验证试验抛废率为1 2 ．7 9 ％时，可取 得尾矿品位为l o ．1 5 ％、金属回收率为9 4 ．5 5 ％、品位 提高2 ．0 1 个百分点的指标；A 2 矿样验证试验抛废率 为1 6 ．1 6 ％时，可取得尾矿品位为l o ．4 2 ％、金属回收 率为9 2 ．9 7 ％、品位提高2 ．6 1 个百分点的指标；A 3 矿 样验证试验抛废率为1 7 ．2 8 ％时，可取得尾矿品位为 1 1 ．2 6 ％、金属回收率为9 1 ．8 3 ％、品位提高2 ．6 2 个百 分点的指标。 3 不管对V 矿体铁矿石进行分粒级 1 5 4 5 m m 、 4 5 。1 0 0 衄 智能预选，还是进行宽粒度范围 1 5 一1 0 0 删呦智能预选，都可以得出相似的试验结果。 4 从总体试验结果来看，x 射线智能分选机一 段分选就可以在较大抛废率的情况下，使尾矿保持在 1 2 ％以内，可以达到人工拣选的精度，说明该设备可 以将该铁矿块矿中围岩废石有效精准选出，表明其在 难选铁矿的预选领域具有较好的应用前景。 参考文献 【l 】袁启东，郭风芳，杨任新，等．海南矿业深部赤铁矿石预选 工艺研究叨．现代矿业，2 0 1 3 ，2 9 3 2 2 - 2 5 ． 【2 】展仁礼，陈铁军，郭涛，等．酒钢镜铁矿磁化焙烧一磁选 精矿中镁和锰含量偏高的原因分析[ J 】．矿产保护与利用， 2 0 1 7 4 3 0 _ 3 4 ． 【3 】崔进兵，陈铁军，胡佩伟．镜铁矿磁化焙烧试验及其焙烧产 品磁性研究叽．金属矿山，2 0 1 8 1 0 6 3 6 9 ． 【4 】丁春江，陈铁军，黄献宝，等．镜铁矿磁化焙烧前后矿物组 成与嵌布结构变化分析【J 】．钢铁钒钛，2 0 1 5 ，3 6 6 1 1 7 一 1 2 2 ． 【5 】房启家．高原铁矿选矿石预选工艺的研究与应用【J 】．矿山机 械，2 0 1 6 ，4 4 8 5 7 6 0 ． 【6 】张志荣，刘千帆．酒钢桦树沟红铁矿预选研究及应用【J 】．矿 冶工程，2 0 0 7 ，2 7 2 3 3 - 3 5 ． 【7 】孙照焱，蒋康生，尹华功，等．x N D T 一1 0 4 智能分选系统在 闪星锑业的应用f J 】．有色金属设计，2 0 1 9 ，4 6 3 1 2 8 - 1 3 1 ． [ 8 1 罗仙平，宁湘菡，王涛，等．智能分拣选矿技术的发展及 其应用叨．金属矿山，2 0 1 9 7 u 3 一1 1 7 ． [ 9 】骆任．x 射线辐射拣选机分选湖南某钨钼矿的半工业试验 研究[ J 】．湖南有色金属，2 0 1 7 ，3 3 5 1 8 一1 9 ． 【1 0 】刘明宝，杨超普，阎赞，等．钼和铜矿山废石x 荧光预选 的可行性研究们．矿山机械，2 0 1 7 ，4 5 2 5 0 - 5 4 ．口 收稿日期2 0 2 0 0 3 - 3 1 修订日期2 0 2 0 - 0 4 - 3 0 万方数据