-
题名弓长岭磁铁矿石磁脉冲预处理试验研究
- 1
-
-
作者
齐双飞
杜艳清
韩跃新
王立斌
孙永升
-
机构
鞍钢集团矿业弓长岭有限公司选矿分公司
东北大学资源与土木工程学院
难采选铁矿资源高效开发利用技术国家地方联合工程研究中心
-
出处
《金属矿山》
CAS
北大核心
2019年第2期141-144,共4页
-
文摘
研究了磁脉冲预处理技术对弓长岭磁铁矿石磨矿效率和分选指标的影响规律,借助扫描电镜和显微镜进行了预处理前后矿样的微观结构及磨矿产品单体解离度分析。结果表明,在磁脉冲磁场强度为39.81 kA/m条件下处理5 s后,磨矿产物中小于0.043 mm粒级含量与未处理样相比,提高了4.58个百分点;在磨矿时间为9 min,磁选磁场强度为79.62 kA/m时,预处理后试样磁选精矿TFe品位未处理样磁选精矿提高了1.16个百分点,铁回收率较未处理样提高了1.21个百分点;在磁脉冲设备产生的磁应力作用下,矿石内部不同矿物界面结合强度降低,生成扩展裂纹和裂缝,有利于磨矿过程提高铁矿物单体解离度,最终提高矿石的磨矿效率和分选指标。
-
关键词
磁脉冲
磁铁矿
磨矿效率
选别指标
-
Keywords
Magnetic pulse pretreatment
Magnetite ore
Grinding efficiency
Separation index
-
分类号
TD951
[矿业工程—选矿]
-
-
题名鞍钢某铁尾矿磁化焙烧-磁选试验研究
被引量：6
- 2
-
-
作者
张毅
余莹
张五志
高鹏
-
机构
东北大学资源与土木工程学院
难采选铁矿资源高效开发利用技术国家地方联合工程研究中心
鞍钢集团矿业弓长岭有限公司选矿分公司
-
出处
《金属矿山》
CAS
北大核心
2021年第7期142-145,共4页
-
基金
国家自然科学基金项目(编号:51734005)
中央高校基本科研业务专项资金资助项目(编号:N182508026)。
-
文摘
为了确定适宜的磁化焙烧条件,采用磁化焙烧—磁选工艺,对鞍钢某铁尾矿进行了系统的试验研究,考察了焙烧温度、焙烧时间、还原气体浓度以及气体流速对磁化焙烧效果的影响,结果表明:①鞍钢铁尾矿TFe品位为14.70%,主要杂质SiO2含量为66.17%,有害元素P、S、Na的含量较少;铁尾矿中的铁主要以赤、褐铁矿的形式存在,分布率为83.87%;铁尾矿中主要有用矿物为磁铁矿、赤铁矿,主要脉石矿物为石英。②该铁尾矿适宜的焙烧条件为:焙烧温度580℃、焙烧时间5 min、CO浓度30%、气体流速500 mL/min;在此条件下获得的焙烧产品,经弱磁选(磁场强度为87.12 kA/m)选别,可获得TFe品位62.17%、TFe回收率84.02%的磁选精矿。③焙烧产品的铁物相分析结果表明,经过磁化焙烧,试样中磁性铁的含量和分布率显著提高,赤、褐铁矿中的铁含量和分布率则大幅度降低。不同焙烧时间下产品的XRD谱图结果进一步说明铁尾矿中的赤铁矿转换成了磁铁矿。研究结果可为同类型尾矿的开发利用提供参考。
-
关键词
铁尾矿
磁化焙烧
磁选
赤褐铁矿
磁铁矿
-
Keywords
iron tailings
magnetization roasting
magnetic separation
hematite and limonite
magnetite
-
分类号
TD951
[矿业工程—选矿]
-
-
题名菱铁矿含量对铁矿石浮选指标的影响研究
被引量：1
- 3
-
-
作者
智慧
施建军
杜艳清
余莹
董振海
刘剑军
-
机构
鞍钢集团北京研究院有限公司
鞍钢集团矿业有限公司
鞍钢集团矿业弓长岭有限公司选矿分公司
-
出处
《金属矿山》
CAS
北大核心
2024年第1期207-212,共6页
-
基金
国家自然科学基金面上项目(编号:51974068)。
-
文摘
眼前山铁矿中菱铁矿含量高,难以直接分选利用。为了实现眼前山铁矿石合理利用,采用化学分析、XRD等手段查明眼前山铁矿石与配矿用齐大山低菱铁矿石的矿物组成及铁物相。通过磨矿—磁选、浮选试验研究了眼前山铁矿石与齐大山铁矿石在不同配矿比例下精矿指标的变化规律。结果表明,眼前山配矿量低于45%、磨矿细度为-74μm占90%、混磁精矿中菱铁矿含量低于5.41%时,浮选过程基本不会受到影响,仍可以获得TFe品位大于65%、TFe回收率高于60%的精矿;当眼前山配矿量在45%~50%、混磁精矿中菱铁矿含量在5.41%~6.05%时,浮选环境已被菱铁矿严重恶化,精矿TFe品位若达到65%,TFe回收率则大幅下降;当眼前山配矿量高于50%、混磁精矿中菱铁矿含量高于6.05%时,出现精尾不分的现象,难以通过浮选进行选别。激光粒度测试分析结果表明,菱铁矿在磨矿过程中易泥化,产生的大量细泥容易罩盖在大颗粒矿物表面,阻碍浮选药剂的吸附,使得脉石矿物与铁矿物的疏水性差异变小,恶化浮选效果。
-
关键词
菱铁矿
浮选
配矿
细泥罩盖
疏水性差异
-
Keywords
siderite
flotation
ore blending
fine mud cover
hydrophobic difference
-
分类号
TD951
[矿业工程—选矿]
TD923
[矿业工程—选矿]
-
-
题名基于IGWO-SVM的露天矿边坡变形预测
被引量：11
- 4
-
-
作者
胡军
邱俊博
栾长庆
张瀚斗
-
机构
辽宁科技大学土木工程学院
鞍钢集团矿业弓长岭有限公司选矿分公司
鞍钢集团有限公司东鞍山烧结厂
-
出处
《矿冶工程》
CAS
CSCD
北大核心
2022年第1期15-18,共4页
-
基金
辽宁省教育厅项目(2017LNZ003)
辽宁科技大学研究生科技创新项目(LKDYC201922)。
-
文摘
为了克服露天矿边坡变形预测时传统算法精度低的问题,利用改进灰狼算法(IGWO)和支持向量机(SVM)建立了露天矿边坡变形IGWO-SVM模型。引入非线性递减的收敛因子策略和惯性权重策略改进灰狼优化算法,用来确定SVM参数,以达到提高模型精度的目的,并将露天矿边坡变形观测数据输入模型进行验证。结果表明,与SVM和BP模型相比,IGWO-SVM模型绝对误差最大值6.16 mm、最小值0.34 mm,相对误差平均值2.17%,说明IGWO-SVM模型预测精度高、综合性能好,证实该模型用于露天矿边坡变形预测是可行的。
-
关键词
露天矿
IGWO-SVM
仿真实验
边坡变形
-
Keywords
open-pit mine
IGWO-SVM
simulation test
slope deformation
-
分类号
TD76
[矿业工程—矿井通风与安全]
-
-
题名基于布谷鸟算法优化SVM的尾矿库坝体变形预测
被引量：5
- 5
-
-
作者
胡军
赵允坤
栾长庆
张瀚斗
-
机构
辽宁科技大学土木工程学院
鞍钢集团矿业弓长岭有限公司选矿分公司
鞍钢集团有限公司东鞍山烧结厂
-
出处
《有色金属工程》
CAS
北大核心
2021年第9期123-129,共7页
-
基金
辽宁省教育厅重点项目(601009877-36)。
-
文摘
为解决SVM模型在尾矿库坝体位移预测中,参数寻优时间较长、模型稳定性较差的问题,引入布谷鸟算法(CS)进行优化,构建的CS-SVM模型用于辽宁省风水沟尾矿库2#副坝的位移预测实例中,将该模型预测值与SVM模型和PSO-SVM模型的预测值进行对比分析。结果表明,CS-SVM模型有较高的预测精度,预测值趋近于真实值,模型构建合理,验证了CS-SVM模型在尾矿库坝体位移预测中的可行性和有效性。
-
关键词
尾矿坝
布谷鸟算法(CS)
支持向量机(SVM)
粒子群算法(PSO)
预测
-
Keywords
tailings dam
Cuckoo Search(CS)
Support Vector Machine(SVM)
Partical Swarm Optimization(PSO)
prediction
-
分类号
TD926.4
[矿业工程—选矿]
-
-
题名腐植酸钠对铁矿物和石英可浮性的影响
被引量：1
- 6
-
-
作者
董振海
程福超
施建军
韦思明
智慧
高峰
-
机构
鞍钢集团北京研究院有限公司
鞍钢矿业大孤山球团厂
鞍钢集团矿业弓长岭有限公司选矿分公司
鞍钢集团矿业弓长岭有限公司球团厂
-
出处
《金属矿山》
CAS
北大核心
2022年第12期85-91,共7页
-
基金
国家自然科学基金面上项目(编号:51974068)。
-
文摘
寻找绿色高效抑制剂成为当前铁矿石浮选研究重点,腐植酸钠(NaHA)极易溶解于水,且与Fe^(3+)、Cu^(2+)等金属离子具有很强的络合能力,将Na HA作为抑制剂从铁矿物中分离石英。结果表明,一定浓度的Na HA可以有效抑制铁矿物,而对石英基本无影响。Zeta电位测量结果表明,经过Na HA处理后,铁矿物表面Zeta电位的负移更为明显,且可以阻止十二胺(DDA)的进一步吸附。XPS分析解释了Na HA抑制磁铁矿的机理,即Na HA可能通过与表面铁的配位作用吸附在赤铁矿表面。通过水溶液中金属氧化物表面电荷变化,推断赤铁矿与Na HA的作用机理与磁铁矿相似。
-
关键词
腐植酸钠
抑制剂
浮选
吸附
-
Keywords
sodium humate
inhibitor
flotation
adsorbent
-
分类号
TD923
[矿业工程—选矿]
-
-
题名基于IPSO-ELM模型的尾矿坝稳定性分析
- 7
-
-
作者
赵允坤
胡军
栾长庆
张瀚斗
-
机构
辽宁科技大学土木工程学院
鞍钢集团矿业弓长岭有限公司选矿分公司
鞍钢集团有限公司东鞍山烧结厂
-
出处
《中国矿业》
2022年第3期61-66,共6页
-
基金
辽宁省教育厅重点项目资助(编号:601009877-36)。
-
文摘
为了更准确地对尾矿坝稳定性进行预测,采用训练速度快、参数设置简单、准确度较高的极限学习机(ELM)模型,针对ELM模型在训练过程中随机产生的连接权值和隐含层阈值,导致泛化能力不足、模型稳定性差等问题,引入基于线性递减权重法改进的粒子群算法(IPSO)对其进行优化,提出了尾矿坝稳定性预测的改进粒子群优化极限学习机(IPSO-ELM)模型。将该模型运用到尾矿坝实例预测中,在选取的35组样本数据中,前30组作为训练样本,后5组作为测试样本,以内摩擦角、边坡角、尾矿坝材料重度、孔隙压力比、内聚力和边坡高度6个尾矿坝稳定性影响因素为输入参数,以尾矿坝稳定性安全系数为输出参数,将预测结果与ELM模型和PSO-ELM模型对比,结果表明,IPSO-ELM模型有较高的预测精度,预测值逼近于实际值,验证了IPSO-ELM模型在尾矿坝稳定性评价中的可靠性和有效性。
-
关键词
尾矿坝
稳定性
粒子群算法
极限学习机
线性递减权重法
-
Keywords
tailings dam
stability
particle swarm optimization(PSO)
extreme learning machine(ELM)
linear decreasing weight method
-
分类号
TD926.4
[矿业工程—选矿]
-
