雷永順，展仁禮，陳鐵軍，邊立國，郭 憶

1酒泉鋼鐵 (集團(tuán))有限責(zé)任公司技術(shù)中心 甘肅嘉峪關(guān) 735100

2武漢科技大學(xué)資源與環(huán)境工程學(xué)院 湖北武漢 430081

預(yù)選是選礦廠節(jié)能降耗的有效環(huán)節(jié)，通過預(yù)選拋尾技術(shù)可以預(yù)先拋出部分尾礦，有利于降低選廠產(chǎn)品加工成本，并降低細(xì)粒尾礦量，延長尾礦庫使用年限[1]。酒鋼集團(tuán)宏興鋼鐵股份有限公司鏡鐵山礦年輸出 0～100 mm 鐵礦石約 900 萬 t，礦石在礦山預(yù)選后經(jīng)火車運輸至坐落于冶金廠區(qū)的選礦廠，其中 0～15 mm 粉礦采用強磁選工藝處理，15～100 mm塊礦采用豎爐磁化焙燒 — 弱磁選 — 反浮選的工藝處理。15～100 mm 塊礦經(jīng)過兩段閉路磁化焙燒后，利用磁滑輪將脈石和圍巖拋出，經(jīng)輸送帶運輸至廢石山堆存[2-4]。因此，酒鋼鐵礦的預(yù)選實際涵蓋兩個方面，一是礦山原礦的預(yù)選，二是選礦廠塊礦磁化焙燒后的預(yù)選。礦山原礦預(yù)選可以使原礦中的圍巖預(yù)先拋出，不隨礦石一同下山，一方面可以節(jié)約運費、資源稅、豎爐焙燒費等生產(chǎn)成本；另一方面可以減少冶金廠區(qū)選礦廢石產(chǎn)生量，減輕廢石堆場堆存壓力，延長廢石堆場服務(wù)年限，節(jié)約新建廢石堆場的投資費用。

鏡鐵山樺樹溝 V 礦體為低品位難選鐵礦石，主要的鐵礦物為鏡鐵礦、菱鐵礦、褐鐵礦，均屬弱磁性鐵礦；脈石礦物為碧玉、重晶石、石英。礦體上盤為灰色千枚巖，下盤為灰綠色千枚巖，礦體與下盤圍巖間常有一薄層含鐵千枚巖。V 礦體平均地質(zhì)鐵品位約為 27%。鐵礦石在開采時，采用無底柱分段崩落法，由于上下盤約為 10%～15% 的圍巖混入鐵礦石中，導(dǎo)致實際輸出礦石鐵品位約為 23%。多年來，這部分礦石由于鐵品位低，受選礦工藝技術(shù)水平及經(jīng)濟(jì)條件制約，一直未得到合理利用，只能極少量(10% 以下)地配合樺樹溝礦使用。目前公司計劃對該礦石進(jìn)行單獨出礦，需選擇合理的設(shè)備和處理工藝對其進(jìn)行預(yù)選拋廢。因此，有必要對鏡鐵山樺樹溝 V 礦體塊礦預(yù)選拋廢技術(shù)進(jìn)行研究，確定適合的預(yù)選拋廢工藝。

目前國內(nèi)弱磁性鐵礦的預(yù)選，所用的設(shè)備為大粒度跳汰機、粗粒永磁強磁選機、感應(yīng)輥等強磁選設(shè)備[1,5]。鏡鐵山礦嚴(yán)重缺水，不能考慮重選，前期配礦使用時，現(xiàn)場采用單純強磁工藝進(jìn)行拋尾，發(fā)現(xiàn)雖然可以使得礦石品位提升到接近地質(zhì)品位，但其尾礦品位在 15%～16%，資源損失太大，須考慮更加有效的拋尾技術(shù)[6]。

X 射線智能分選機是模仿手選的動作，用機械和電的組合進(jìn)行分離礦物的選礦方法，即在 X 射線透射下，利用不同礦物成分和性質(zhì)的差異，通過電腦識別建立各類礦石、圍巖信息庫。生產(chǎn)時，超高速 X射線探測器采集系統(tǒng)對每一塊物料進(jìn)行透射識別，信號傳輸至計算機，經(jīng)過后臺快速計算判定屬于礦石還是廢石，下達(dá)指令啟動噴吹執(zhí)行機構(gòu)動作，精準(zhǔn)噴射設(shè)定的廢石或礦石，實現(xiàn)礦廢分離[7]。該設(shè)備識別度高，識別時間短，工作效率高，拋廢率大，目前已經(jīng)在非金屬、有色金屬和稀貴金屬領(lǐng)域獲得了較好的應(yīng)用[8-10]。但在鐵礦預(yù)選領(lǐng)域尚未有應(yīng)用，筆者用此設(shè)備對酒鋼鏡鐵山 V 礦體 15～100 mm 塊礦進(jìn)行預(yù)選試驗研究，以期為此類低品位難選鐵礦的預(yù)選尋求一種新的技術(shù)。

1 試驗原料

試驗所用礦樣是在酒鋼鏡鐵山礦 V 礦體正常出礦的 2865 水平 29 川和 30 川、2880 水平 4 川和 5 川現(xiàn)場采樣，共采出原礦樣 24 t，然后按圖 1 所示流程進(jìn)行試樣制備。為考察粒度的影響，礦樣篩分分成 3個粒級：A1 (15～45 mm)、A2 (45～100 mm)、A3 (15～100 mm)分別進(jìn)行預(yù)選拋廢試驗，A3 即為生產(chǎn)現(xiàn)場塊礦原礦綜合樣，其化學(xué)組成及物相分析分別如表1、2 所列。各粒級樣品鐵品位如表 3 所列。

圖1 礦樣制備流程Fig.1 Process flow of sample preparation

表1 礦樣 A3 的多元素分析結(jié)果Tab.1 Analysis results of multiple elements of sample A3 %

表2 礦樣 A3 的物相分析結(jié)果Tab.2 Analysis results of phase of sample A3 %

表3 各粒級樣品的鐵品位Tab.3 Iron grade of various-size samples

從表 3 可以看出，本次試驗用 V 礦體原礦品位約為 23%，與目前鏡鐵山礦 V 礦體輸出品位一致。從物相分析來看，V 礦體主要鐵物相為赤褐鐵礦與菱鐵礦，其中菱鐵礦鐵分布達(dá)到了 41.75%，明顯高于鏡鐵山礦其他礦體 (20%～30%)[2-4]，這可能是該礦體品位相對較低且強磁預(yù)選效果較差的原因。

2 試驗設(shè)備與方法

2.1 試驗設(shè)備

本次試驗所用設(shè)備為北京霍里思特科技有限公司生產(chǎn)的 XNDT-104 智能分選機；主傳送帶寬度為 1.6 m；可選粒度為 8～150 mm；分選機處理量為 40～150 t/h；傳送帶速度為 3 m/s。

該試驗設(shè)備是清華大學(xué)精密儀器系和北京霍里思特科技公司聯(lián)合自主研發(fā)的 X 射線智能礦石分選機。設(shè)備符合礦山應(yīng)用規(guī)范，穩(wěn)定性和可靠性高，從前期研究及應(yīng)用結(jié)果來看，該設(shè)備在物質(zhì)分選精度、傳送帶速度、單機粒度處理范圍、產(chǎn)量等關(guān)鍵指標(biāo)上都達(dá)到了較高水平[7]。XNDT-104 智能分選機的外形及原理如圖 2 所示，其主要性能參數(shù)如表 4 所列。

圖2 智能分選機的外形及原理Fig.2 Profile and principle of intelligent separator

表4 智能分選機的主要性能參數(shù)Tab.4 Main performance parameters of intelligent separator

智能分選系統(tǒng)包括三大子系統(tǒng)：傳動部分(振動給料、高速傳送帶、分料傳送帶)、識別部分 (射線源、探測器、電氣柜工控機)和分選部分 (氣排槍、氣罐、電氣柜控制單元)。

分選時，將符合粒級要求的塊礦輸送到振動給料器，塊礦被振動分散后，掉落到高速傳送帶上，向前運行 1～2 m 后獲得穩(wěn)定的速度，形成均勻平鋪在傳送帶上的礦石流。礦石流通過射線源正下方時，由高壓激發(fā)的 X 射線以扇面形式從上向下照射，傳送帶上經(jīng)過扇面的礦石塊會減弱射線強度，使穿透礦石的X 射線因石塊中金屬元素含量的高低而產(chǎn)生不同程度的衰減。傳送帶下方的探測器可以感知衰減后的 X射線強度，并把該信息轉(zhuǎn)化為數(shù)字信號，傳送給計算機處理。射線扇面會覆蓋傳送帶的有效寬度，探測器則與傳送帶寬度相同，以保證傳送帶上的每塊礦石都被檢測到。計算中運行智能分選軟件，對探測器采集的數(shù)據(jù)進(jìn)行成像處理并進(jìn)行分析識別，根據(jù)預(yù)先設(shè)定的分選參數(shù)，判別標(biāo)記石塊為低品位廢石還是高品位礦石，同時把已標(biāo)記的石塊位置信息發(fā)送給噴吹控制單元。當(dāng)石塊飛離傳送帶經(jīng)過氣排槍時，噴吹控制單元根據(jù)分選軟件提供的礦石信息，分別控制多個電磁閥的啟停，通過氣排槍的噴嘴可以精準(zhǔn)地噴吹已標(biāo)記的高品位礦石，使其改變飛行軌跡落入精礦倉，而被標(biāo)記的低品位廢石則沿原有的拋物線軌跡落入廢石倉[7]。

2.2 試驗方法

考慮到 X 射線智能分選機具備智能學(xué)習(xí)的分選特點，為確保試驗分選精度，試驗分步進(jìn)行，具體步驟如下。

(1)對礦石進(jìn)行手工分揀 礦樣運抵之后，技術(shù)人員從礦樣中隨機抽取 100 kg 樣品，然后手工分揀出各類典型圍巖和礦石，揀選的依據(jù)是樣品表面顏色、感受密度、中心鉆孔取樣化驗比對，最后對每一類圍巖和礦石進(jìn)行制樣化驗。智能分選機對礦石和圍巖進(jìn)行學(xué)習(xí)記憶，將分揀出的礦石、圍巖標(biāo)樣分別給入智能分選機，利用 X 射線透射、電腦識別記憶，建立 V 礦體鐵礦石、圍巖信息庫。

(2)探索性試驗 取樣品 200 kg，進(jìn)行智能預(yù)選拋廢探索性試驗，對拋廢結(jié)果進(jìn)行二次手工分揀，對有異議的礦石進(jìn)行重復(fù)識別判定，對手工分揀得到的礦石、圍巖信息庫進(jìn)行校正、補充完善。

(3)條件試驗 分粒度進(jìn)行不同拋廢率的智能預(yù)選拋廢條件試驗，考察拋廢率由低到高時尾礦品位、礦石品位提高幅度及金屬回收率變化情況，確定各礦樣最佳拋廢比例。

(4)驗證試驗 利用系統(tǒng)性條件試驗確定的最佳拋廢比例及設(shè)備參數(shù)，進(jìn)行擴(kuò)大給料量的驗證試驗，考察設(shè)備的穩(wěn)定性和試驗數(shù)據(jù)的可靠性。

本試驗中礦石取樣量均參照塊狀鐵礦石取樣量公式確定，即

式中：Q為取樣量，kg；K為礦石特性系數(shù)，黑色金屬礦物一般取 0.1 kg/mm2；d為礦樣中最大礦石粒徑，mm。

共取 0～100 mm 原礦樣 15 t，各條件的樣品量是根據(jù)設(shè)備運行時間及粒度大小經(jīng)驗估算的，條件試驗粗粒級 (最大 100 mm)的樣品量按 200 kg，小粒級 (最大 45 mm)按 150 kg，驗證試驗樣品量擴(kuò)大一倍多一點，樣品是由各粒級樣品采用四分法縮分獲取的。

3 試驗結(jié)果與分析

本次試驗將 V 礦體 A 礦樣篩分成了 A1 (15～45 mm)、A2 (45～100 mm)、A3 (15～100 mm)3 種粒度，分別開展了智能預(yù)選拋廢條件試驗和驗證試驗。試驗開始前對 V 礦體 15～45 mm 塊礦進(jìn)行了手工分揀試驗，礦石中含有純圍巖 12.86%，圍巖品位10.24%，圍巖全部拋除后礦石品位可提高 1.99 個百分點，金屬回收率為 94.46%。

3.1 A1 礦樣智能預(yù)選拋廢試驗

3.1.1 條件試驗

A1 礦樣一共開展了 9 個不同拋廢率的條件試驗，每次試驗給礦量約 150 kg，考察拋廢率由低到高時尾礦品位、礦石品位提高幅度及金屬回收率變化情況，確定 A1 礦樣最佳拋廢比例。試驗數(shù)據(jù)如表 5 所列。

從表 5 可以看出，隨著拋廢率的提高，精礦品位和尾礦品位均呈現(xiàn)上升趨勢，鐵礦石品位提高幅度越來越大，金屬回收率呈下降趨勢。

當(dāng)拋廢率為 12.58% 時，尾礦品位為 10.11%、金屬回收率為 94.66%，品位可以提高 1.98 個百分點；當(dāng)拋廢率提高到 25.35% 時，尾礦品位升高到12.92%，金屬回收率降至 86.27%，品位可以提高3.71 個百分點。由此可以看出，智能分選機可以完全達(dá)到人工揀選的精度，同樣也可以在較少鐵損失的情況下大幅度提升品位，現(xiàn)場可以根據(jù)需求進(jìn)行拋廢率調(diào)整。

3.1.2 驗證試驗

A1 礦樣一共開展了 12%、25% 左右 2 個拋廢率的驗證試驗，驗證試驗每個條件給礦量 350 kg，考察設(shè)備的穩(wěn)定性和試驗數(shù)據(jù)的可靠性。試驗數(shù)據(jù)如表 6所列。

表6 A1 礦樣智能預(yù)選拋廢驗證試驗結(jié)果Tab.6 Results of verification test for intelligent waste discarding pre-concentration of sample A1 %

從表 6 可以看出，當(dāng)拋廢率為 12.79% 時，尾礦品位為 10.15%，金屬回收率為 94.55%，品位可以提高 2.01 個百分點；當(dāng)拋廢率提高到 25.72% 時，尾礦品位升高到 13.05%，金屬回收率降至 86.92%，品位可以提高 3.74 個百分點，驗證試驗結(jié)果與條件試驗結(jié)果基本一致。

3.2 A2 礦樣智能預(yù)選拋廢試驗

3.2.1 條件試驗

A2 礦樣一共開展了 6 個不同拋廢率的條件試驗，每次試驗給礦量 200 kg 左右，考察拋廢率由低到高時尾礦品位、礦石品位提高幅度及金屬回收率變化情況，確定 A2 礦樣最佳拋廢比例。試驗數(shù)據(jù)如表 7所列。

表7 A2 礦樣智能預(yù)選拋廢條件試驗結(jié)果Tab.7 Results of conditional test for intelligent waste discarding pre-concentration of sample A2 %

從表 7 可以看出，隨著拋廢率的提高，精礦品位和尾礦品位均呈現(xiàn)上升趨勢，鐵礦石品位提高幅度越來越大，金屬回收率呈下降趨勢。

當(dāng)拋廢率為 16.10% 時，尾礦品位為 11.05%，金屬回收率為 92.57%，品位可以提高 2.48 個百分點。由此可以看出，同樣拋廢率下，隨著粒度增加尾礦品位略微上升，但總體尾礦品位仍然可以保持一個較低水平。

3.2.2 驗證試驗

A2 礦樣開展了 16% 左右拋廢率的驗證試驗，驗證試驗給礦量為 431.3 kg，考察設(shè)備的穩(wěn)定性和試驗數(shù)據(jù)的可靠性。試驗數(shù)據(jù)如表 8 所列。

表8 A2 礦樣智能預(yù)選拋廢驗證試驗結(jié)果Tab.8 Results of verification test for intelligent waste discarding pre-concentration of sample A2 %

從表 8 可以看出，當(dāng)拋廢率為 16.16% 時，尾礦品位為 10.42%，金屬回收率為 92.97%，品位可以提高 2.61 個百分點，驗證試驗結(jié)果與條件試驗結(jié)果基本一致，一定程度上說明了試驗的可靠性。

3.3 A3 礦樣智能預(yù)選拋廢試驗

3.3.1 條件試驗

A3 礦樣一共開展了 6 個不同拋廢率的條件試驗，每次試驗給礦量 200 kg 左右，考察拋廢率由低到高時尾礦品位、礦石品位提高幅度及金屬回收率變化情況，確定 A3 礦樣最佳拋廢比例。試驗數(shù)據(jù)如表 9所列。

表9 A3 礦樣智能預(yù)選拋廢條件試驗結(jié)果Tab.9 Results of conditional test for intelligent waste discarding pre-concentration of sample A3 %

從表 9 可以看出，隨著拋廢率的提高，精礦品位和尾礦品位均呈現(xiàn)上升趨勢，鐵礦石品位提高幅度越來越大，金屬回收率呈下降趨勢。

當(dāng)拋廢率為 16.92% 時，尾礦品位為 11.08%，金屬回收率為 92.13%，品位可以提高 2.59 個百分點。與分粒級分選效果基本一致。

3.3.2 驗證試驗

對A3 礦樣開展了 17% 左右拋廢率的驗證試驗，驗證試驗給礦量為 432.3 kg，考察設(shè)備的穩(wěn)定性和試驗數(shù)據(jù)的可靠性。試驗數(shù)據(jù)如表 10 所列。

表10 A3 礦樣智能預(yù)選拋廢驗證試驗結(jié)果Tab.10 Results of verification test for intelligent waste discarding pre-concentration of sample A3 %

從表 10 可以看出，當(dāng)拋廢率為 17.28% 時，尾礦品位為 11.26%，金屬回收率為 91.83%，品位可以提高 2.62 個百分點，驗證試驗結(jié)果與條件試驗結(jié)果基本一致。

4 結(jié)論

(1)經(jīng)過手工分揀試驗分析得出本次試驗所用 V礦體塊礦中純圍巖含量為 12%～13%，當(dāng) V 礦體各粒級礦樣智能預(yù)選拋廢率為 12%～13% 時，取得的精礦品位、尾礦品位、礦石品位提高幅度、金屬回收率等指標(biāo)均與手工分揀試驗一致，說明該智能分選機具備拋除 V 礦體鐵礦石中純圍巖的能力。

(2)A1 礦樣驗證試驗拋廢率為 12.79% 時，可取得尾礦品位為 10.15%、金屬回收率為 94.55%、品位提高 2.01 個百分點的指標(biāo)；A2 礦樣驗證試驗拋廢率為 16.16% 時，可取得尾礦品位為 10.42%、金屬回收率為 92.97%、品位提高 2.61 個百分點的指標(biāo)；A3 礦樣驗證試驗拋廢率為 17.28% 時，可取得尾礦品位為11.26%、金屬回收率為 91.83%、品位提高 2.62 個百分點的指標(biāo)。

(3)不管對 V 礦體鐵礦石進(jìn)行分粒級 (15～45 mm、45～100 mm)智能預(yù)選，還是進(jìn)行寬粒度范圍 (15～100 mm)智能預(yù)選，都可以得出相似的試驗結(jié)果。

(4)從總體試驗結(jié)果來看，X 射線智能分選機一段分選就可以在較大拋廢率的情況下，使尾礦保持在12% 以內(nèi)，可以達(dá)到人工揀選的精度，說明該設(shè)備可以將該鐵礦塊礦中圍巖廢石有效精準(zhǔn)選出，表明其在難選鐵礦的預(yù)選領(lǐng)域具有較好的應(yīng)用前景。