人工晶体学报

作者：王衡嵩;魏志聪;彭蓉;曾明;郑润浩;张铃

单位：昆明理工大学国土资源工程学院,昆明 650093;省部共建复杂有色金属资源清洁利用国家重点实验室,昆明 650093

关键词：锌窑渣;铜浮选;RSM(响应曲面);RA-BPNN(回归分析-BP神经网络),

云南某地锌窑渣矿样,原矿为高碱性矿石,矿石含铜1.38;,氧化率为30.12;.以磨矿细度、戊基黄药用量、碳酸钠用量、硫酸铜用量和硫化钠用量作自变量,以浮选回收率为因变量,分别建立了CCD响应曲面设计模型(RSM)和基于回归分析-BP神经网络(RA-BPNN)的浮选预测优化模型.根据两种模型的优化能力、优化精度进行分析和对比,结果表明,基于RA-BPNN模型进行预测及试验验证,铜回收率达到了64.06;,误差为0.74;,浮选回收率较RSM模型提高了1.54个百分点,且误差明显小于RSM模型,这表明RA-BPNN模型的优化能力高于RSM.根据试验结果,确定了锌窑渣浮选回收铜的最佳浮选条件为:磨矿细度90;、戊基黄药用量370 g/t、碳酸钠用量720 g/t、硫酸铜用量1080 g/t、硫化钠用量870 g/t.通过"一次粗选、三次精选、两次扫选、中矿顺序返回"的闭路浮选工艺流程,获得了品位为6.58;,回收率为55.98;的铜精矿.

来源：2019年第8期

《人工晶体学报》期刊编辑部

查看人工晶体学报杂志2019年第8期