張建強，趙德志

（文山麻栗坡紫金鎢業(yè)集團有限公司，云南 麻栗坡 663600）

當前，我國金屬及非金屬礦山面臨日益貧化的現(xiàn)狀，易采礦體少、采礦難度大，采礦貧化率高，導(dǎo)致出礦品位降低，這增加了后續(xù)破碎、磨礦以及分選等工序的能耗和材料消耗，造成生產(chǎn)成本高。如果在礦石細碎和磨礦之前，通過技術(shù)手段將混入其中的圍巖或廢石及早拋除，則可大幅降低生產(chǎn)運行成本，提升產(chǎn)能，為礦山企業(yè)降本增效的同時，有效提高礦產(chǎn)資源綜合利用率。

該礦在資源整合過程中，接收了近千萬噸的低品位礦，這部分礦石品位低（平均WO3品位0.2%左右），含有大量的廢石，如果采用原有的生產(chǎn)工藝進行加工處理，其處理成本高，為了有效益地開發(fā)利用這部分礦石，明確其光電分選性能及分選模式及工藝技術(shù)參數(shù)，在小型實驗室試驗的基礎(chǔ)上，采用北京霍里思特公司的XNDT-104智能選礦機對該低品位白鎢礦進行了工業(yè)試驗。XNDT-104智能分選機是一套光電分選系統(tǒng)，通過X射線對礦石進行透視掃描，由探測器采集數(shù)據(jù)，通過智能算法識別區(qū)分礦石與廢石，并用計算機控制氣排槍將廢石（也可以是礦石） 精確噴出，從而實現(xiàn)礦石與廢石的分離。

1 礦石性質(zhì)

原礦取自南秧田鎢礦矽卡巖型白鎢礦，MLA自動定量檢測系統(tǒng)測定結(jié)果表1可知礦石中的有用礦物為白鎢礦和極少量黑鎢礦，其他金屬硫化礦物含量較少，主要是黃鐵礦，其次是少量至微量磁黃鐵礦、脈石礦物主要是大量石榴石，其次是石英、輝石族礦物、方解石，少量綠泥石、滑石、螢石、柱沸石、長石等。礦石的主要化學組成、鎢物相分析結(jié)果和白鎢礦粒度分布結(jié)果分別見表2、表3和表4。

表1 原礦礦物組成及含量Tab.1 Mineral composition and content of raw ore %

表2 原礦多元素化學分析結(jié)果Tab.2 Multi-element chemical analysis results of the raw ore%

表3 原礦鎢物相分析結(jié)果表Tab.3 Phase analysis results of raw tungsten ore %

表4 主要礦物粒度分布Tab.4 Particle size distribution of host minerals

由表2化學組成分析結(jié)果可知，WO3品位為0.166%，具有一定的回收利用的價值；表3進一步分析了鎢的物相存在形式，物相分析結(jié)果表明，礦石中鎢主要以白鎢礦的形式存在，占了總鎢的97%，黑鎢礦與鎢華占有率很少；表4分析了白鎢礦物粒度分布，在-0.010 mm粒級范圍內(nèi)，白鎢礦的占有率僅5.68%，微細粒級白鎢礦含量較小。

2 試驗結(jié)果及分析

2.1 XNDT-104分選機工作模式對比試驗

XNDT-104分選機有數(shù)量優(yōu)先模式和純度優(yōu)先模式兩種工作模式，數(shù)量優(yōu)先模式對已識別的礦石進行全覆蓋識別，保證礦石的識別率；純度優(yōu)先模式為確保礦石中的有用礦石，將已識別的廢石全部拋出，將有用礦石全部保留。為確定XNDT-104分選機最優(yōu)工作模式，開展了工作模式對比試驗，以確定最佳工作模式。

根據(jù)智能光選機的特性，并結(jié)合現(xiàn)場實際情況，將雙層篩之間的礦石進入光電分選，分選出的廢石通過皮帶輸送到廢石場，精礦則通過皮帶輸送到中細碎GP11F圓錐破碎機再破碎，其試驗工藝流程圖如圖1。工作模式對比試驗時，圓振篩篩孔尺寸按原有生產(chǎn)流程固定不變，光電分選機小時處理量基本控制在45 t/h，考查拋廢率與金屬回收率。

圖1 光選機工作模式對比試驗流程圖Fig.1 Contrast test flow chart of working mode of photoelectric sorting machine

按照上述工業(yè)試驗流程，采用分選機的純度優(yōu)先模式與數(shù)量優(yōu)先模式進行工業(yè)試驗，每個工作模式均運行9 d，分別統(tǒng)計每種工作模式的運行時間、原礦礦量、廢石量、精礦量，取樣化驗原礦品位、精礦品位、尾礦品位，在此基礎(chǔ)上計算拋廢率、金屬回收率，記錄于表5。

表5 工作模式對比試驗結(jié)果Tab.5 Contrast test flow chart of working mode

從表5分析，純度優(yōu)先模式的金屬回收率比數(shù)量優(yōu)先模式金屬回收率低了2.89%，拋廢率低了13.84%，數(shù)量優(yōu)先模式與純度優(yōu)先模式相比具有明顯的優(yōu)勢，在后序的試驗中，確定使用數(shù)量優(yōu)先模式。

2.2 入選粒度試驗

粒度是光電分選技術(shù)的重要工藝條件，是礦石解離的必要條件，粒度對光電分選的效果有較大影響，為此開展粒度試驗。試驗仍采用圖1所示的流程，但是在試驗前按要求更換各種規(guī)格的上、下層篩板，控制好進入分選機的礦石粒度，再將分級后的原礦輸入X射線光電分選設(shè)備中，礦石經(jīng)分選后，分別收集原礦、精礦、尾礦并稱重、化驗品位，每種粒級試驗5 d，表6記錄每種粒級試驗的累計數(shù)據(jù)。

表6 粒度試驗結(jié)果Tab.6 Particle size test results

上述試驗結(jié)果表明：粒度介于（60～15） mm時，最適于采用X射線光電選礦技術(shù)進行預(yù)先拋廢，此時拋廢率、金屬回收率以及處理量均能取得比較滿意的效果；而隨著粒度增大，處理能力有所提高，但是拋廢率、金屬回收率等指標會逐步下降，如 （-90～+60） mm粒級、（-90～+15）mm粒級均如此；而粒度低于15 mm時，設(shè)備的處理能力會有較大程度降低，如-50 mm級別；在粒度小且級別窄時如（-40～+20） mm粒級，拋廢率與回收率指標十分理想，但此時因為礦石中該級別含量很少，處理量將嚴重降低。綜合考慮，后續(xù)工業(yè)試驗以（-60～+15） mm入選為宜。

2.3 礦石水洗試驗

在前面的試驗中，我們發(fā)現(xiàn)，由于振動篩篩分效率問題，總是有一部分小粒度的礦石混入大粒度的礦石中，而且更為嚴重的是由于礦石含有2%左右的水分，一些粉礦粘附在礦石表面甚至包裹礦石，對光選機的識別會造成一定干擾，不可避免地影響光選機的工作效率，為了探明這些細粒級的物料對光選機的影響程度，開展了礦石水洗試驗。礦石水洗試驗即在礦石進入光選機之前增加一次篩分，采用篩孔為15 mm的直線振動篩，并在篩面入料端增加兩排高壓水龍頭對礦石表面進行清洗。試驗流程如圖2。

圖2 水洗試驗流程圖Fig.2 Test flow chart of water washing

水洗試驗連續(xù)進行5 d，試驗數(shù)據(jù)見表7。試驗數(shù)據(jù)表明，將礦石進行水洗并篩除-15 mm粒級礦石后，拋廢率為51%～52%，約提高了6.00%，金屬回收率91%～94%，約提高了2.00%，水洗對提高拋廢率和提高金屬回收率均有利，后續(xù)試驗均采用礦石水洗后再進行。

表7 礦石水洗試驗情況Tab.7 Water washing test of ore

從水洗工業(yè)試驗結(jié)果中可以看出，礦石經(jīng)過水洗后，拋廢率從46.14%提升到了54.31%，精礦金屬回收率從92.85%提高到了93.93%，另一方面，在光選機監(jiān)視器上對未洗礦的試驗計算機識別畫面截圖，也可以明確看到，當?shù)V塊被礦泥粘附或包裹時，會影響礦石的識別效率與處理效率，見圖3。

圖3 粉礦影響分選機的分選效果Fig.3 Effect of dust ore on separation results of sorting machine

因此，礦石在分選之前進行水洗，篩除細粒級，洗掉粘附在礦塊表面的礦泥，對光電選礦有著十分重要的意義。

2.4 處理量試驗

光電分選機是一套復(fù)雜的協(xié)同作業(yè)的設(shè)備，其處理量能力的大小，與其內(nèi)部的運輸皮帶速度有關(guān)，與內(nèi)置的計算機識別能力有關(guān)，與計算機指令的發(fā)出速度與傳導(dǎo)速度有關(guān)，與控制汽排槍開關(guān)的電磁閥開合的速度有關(guān)。為了考查光選機的處理能力，開展了處理量試驗，即在上述作業(yè)條件下，改變光選機給料皮帶的運轉(zhuǎn)速度，然后記錄并統(tǒng)計不同處理量下的拋廢率與精礦回收率，試驗記錄見表8。

表8 礦石處理量試驗情況Tab.8 Test situation of ore handling capacity

從處理量試驗結(jié)果可以看出，該型號分選機處理（-60～+15） mm粒級礦石，在水洗條件下，當處理量低于50 t/h時，拋廢率與回收率基本不變，處于相對理想水平，當處理量高于55 t/h時，隨著處理量的增加，拋廢率、回收率均呈現(xiàn)下降趨勢，特別是拋廢率下降更為明顯。在光選機的監(jiān)視器上對處理量達到60 t/h左右的識別畫面截圖（圖4），可以明顯看到較多的礦石與礦石之間的堆疊現(xiàn)象，礦石堆疊在一起，會干擾計算機對礦石的識別，造成誤識別，影響拋廢和噴吹的準確性。

圖4 礦石堆疊影響分選機的分選效果Fig.4 Effect of ore stacking on separation results of sorting machine

2.5 不同入選品位分選試驗

為了明確光選機最適宜的入選品位，開展了不同入選品位的分選試驗。本試驗控制入選粒級（-60～+15） mm、在礦石水洗情況下、采用數(shù)量優(yōu)先模式，且處理量控制在45 t/h左右。在兩個月的試驗期內(nèi)，統(tǒng)計不同區(qū)間入選品位所對應(yīng)的拋廢率與精礦金屬回收率情況，見表9。

表9 不同入選品位對比試驗情況Tab.9 The contrast test situation with different beneficiation feed grade

上述試驗中，品位＜0.15%及＞0.35%的礦偏少，試驗結(jié)果代表性稍顯不足，但綜合分析，可以得出以下結(jié)論：①入選品位的高低與拋廢率沒有明顯關(guān)系，精礦金屬回收率隨著入選品位的升高，呈上升趨勢，這與浮選、重選等其他選礦方式相同；②精礦品位與入選品位有明顯關(guān)系，入選品位過低時，雖然經(jīng)過拋廢處理，但精礦品位也是比較低的，此時，精礦品位雖然有所提高，但仍達不到有效益開發(fā)的目的；③隨著入選品位升高，廢石品位也呈上升趨勢，入選品位達到0.35%以上時，廢石品位將達到0.056%以上，產(chǎn)生一定的資源浪費；④從試驗結(jié)果及上述分析，可以確認最適宜的入選品位是0.15%～0.35%。

2.6 正吹與反吹對比試驗

在工業(yè)試驗進行過程中，光電選礦機可以用汽排槍噴吹廢石（即所謂的“正吹”），也可以噴吹精礦（即所謂的“反吹”），在入選品位極低的情況下，如果噴吹精礦，可能由于礦石中精礦量小，噴吹所需的高壓空氣就少，可以起到節(jié)能降耗的作用，為此，進行了正吹與反吹對比試驗。試驗仍采用圖2所示的試驗流程，試驗主要采用極低品位（＜0.15%） 的原礦進行，處理礦量按45 t/h控制，“正吹”與“反吹”試驗各5 d，試驗數(shù)據(jù)統(tǒng)計見表10。

從上述對比試驗情況可以看出，在極低入選品位時，采用反吹（即噴吹精礦） 與采用正吹（即噴吹廢石）相比，拋廢率基本不變，但精礦金屬回收率卻大幅下降。分析其原因，主要是：①雖然礦石在光選之前經(jīng)過了水洗，但是仍不能排除某些精礦表面仍粘附有粉礦，使光選機對礦石造成誤判，從而使反吹時精礦會進入到了廢石中，造成精礦回收率下降，而正吹時同樣的情況會使廢石進入到精礦中，使拋廢率稍有下降；②雖然嚴格控制了處理量，但是仍不能排除某些時候處理量瞬時會超出設(shè)備的處理量造成礦石進入分選設(shè)備時疊加在一起，使光選機對礦石造成誤判，如果反吹，此時精礦會進入到了廢石中，造成精礦回收率下降，而正吹時同樣的情況會使廢石進入到精礦中，使拋廢率稍有下降；③光選機的噴嘴有可能會被礦粉堵塞，或者偶爾控制噴嘴開合的電磁閥故障，有可能使噴吹動作無法完成，如果反吹，此時會造成精礦進入到了廢石中，使精礦金屬回收率下降，而正吹時同樣的情況會使廢石進入到精礦中，使拋廢率稍有下降。從正吹與反吹對比試驗及上述分析中可以看出，為了盡可能的回收利用資源，避免資源浪費，一般情況下應(yīng)采用“正吹”即噴吹廢石的方式。

3 試驗結(jié)論

通過上述試驗，可以得出如下結(jié)論：低品位白鎢礦具有較好的光電分選性能，作業(yè)拋廢率可以達到50%以上，尾礦品位可以控制在0.04%以下，入選品位在0.2%以上時，精礦金屬回收率可以達到92%以上。為了提高分選效果，其理想的分選方式及工藝參數(shù)是：采用數(shù)量優(yōu)先模式；適宜的入選粒度是（-60～+15） mm；適宜的入選品位是0.15%～0.35%；分選前需要進行水洗及再次篩分，盡可能的篩除-15 mm的細粒級部分；為盡可能保護礦產(chǎn)資源，應(yīng)采用“正吹”方式（從噴吹廢石）；處理量應(yīng)控制在45 t/h左右。

4 結(jié)語

采用X射線光電預(yù)先拋廢技術(shù)對低品位礦進行工業(yè)試驗研究，在破碎篩分階段即可將大部分的廢石予以拋除，有效提升了入磨品位，為低品位礦產(chǎn)資源的有效益開發(fā)利用開辟了一條可行的途徑。