白钨矿与黑钨矿分流分速异步浮选过程中的模拟研究
投稿时间:2014-11-07  修订日期:2014-11-17  点此下载全文
引用本文:
摘要点击次数: 661
全文下载次数: 388
作者单位E-mail
于洋 北京矿冶研究总院 yuyangts@126.com 
李俊旺 北京华夏建龙矿业科技有限公司  
孙传尧 北京矿冶研究总院  
王中明 北京矿冶研究总院  
基金项目:国十二五科技支撑计划复杂钨铜钼铋资源综合回收关键技术研究
中文摘要:本文针对矽卡岩型黑白钨混合矿,在相关异步浮选分离研究的基础上,利用回归分析与人工神经网络建立起不同工艺条件与矿物可浮性变化规律关系模型,为解决浮选建模过程中遇到的多变量、非线性、强耦合、大滞后等难题,实现浮选过程的优化控制提供参考。研究结果表明:对矿物浮选累计回收率的影响因素大小依次是Time > pH > 羟肟酸 > 柠檬酸。对于预测矿物不同工艺条件下的浮选指标,回归模型预测精度较差,白钨矿和黑钨矿浮选累计回收率预测值与试验值之间的相关系数R2分别为0.805、0.827,而神经网络模型具有较好的预测精度,相关系数R2分别为0.944、0.947。人工混合矿分离结果与单矿物浮选规律有很好的一致性,应用所建立的神经网络模型对于更好的掌握不同矿物之间的浮游规律,优化浮选工艺有一定的意义。
中文关键词:白钨矿  黑钨矿  异步浮选  可浮性  浮游速度
 
Simulation studies of asynchronous flotation on different floatability and floating rate of scheelite and wolframite
Abstract:Based on research related to asynchronous flotation separation of skarn type scheelite and wolframite associated ore, regression analysis and artificial neural network model of different process conditions and mineral floatability were set up, for dealing with the problem of multi variable, nonlinear, strong coupling, large delay, multi-input and multi-output in floating process, and providing reference to realize the optimization of flotation process. The results showed that the influence order of operating variables on recovery was time > pH > benzyl hydroxamic acid> citrate acid. Prediction accuracy of neural network model was higher than regression model, for scheelite and wolframite, R2 of recovery predivtion vs. experimental values by regression analysis is 0.805 and 0.827 respectively, while by artificial neural network model, R2 is 0.944 and 0.947. Mixed mineral separation results are in good agreement with the single mineral flotation rules. There are certain significance for optimizing flotation process and determining flotation rules among different minerals by using a neural network model.
keywords:scheelite  wolframite  asynchronous flotation  floatability  floating rate
查看全文  查看/发表评论  下载PDF阅读器
设备展厅
您是第6116717位访问者  备案许可证编号:京ICP备13036454号
版权所有:《中国矿业》杂志社有限公司
地  址: 北京市朝阳区安定门外小关东里10号院东小楼 邮编:100029 电话:010-68332570 88374940 E-mail: zgkyzzs@163.com