高梯度磁选数学模型研究概况及发展方向

对高梯度磁选数学模型理论研究进行了综述，讨论了各数学模型存在的不足，指出了高梯度磁选数学模型的研究方向。

硫酸渣选铁试验研究

介绍了立式脉冲振动磁场磁选机选别硫酸渣(黑渣)试验及工业生产情况,探讨了硫酸渣利用存在的问题及发展方向。利用立式脉冲振动磁场磁选机选别硫酸渣,获得可销售的高品位铁精矿(品位>60%),为硫酸渣的综合利用提供了一条有效的途径。

人工神经网络在高梯度磁选试验研究中的应用

用人工神经网络建立了高梯度磁选过程模型，对不同隐含层节点数的神经网络模型预测性能进行了评价。并对高梯度磁选过程进行了模拟研究，结果表明，在相当宽的操作范围内，模型有比较好的预测结果，这说明建立的模型是合理的、可行的。

脉动高梯度磁分离磁黄铁矿研究

脉动高梯度磁选是一种分离细粒弱磁性成分的有效方法，它能显著地减少非磁性物料的夹杂．作者采用脉动高梯度磁选对磁黄铁矿与锡矿的分离进行了研究，获得了良好的分选效果，磁黄铁矿的脱除率达８８．１２％，Ｚｎ和Ｓｎ的损失率小于３％．

大顶铁矿原生矿选矿工艺流程研究

考查了磁场强度、磨矿细度对铁分选指标的影响。采用预先分级抛废、粗磨选别 ,粗精矿再磨再选的工艺流程 ,提高了原矿的处理量 ,降低了磨矿成本 ,取得了铁精矿品位6 5 .5 4% ,铁回收率 94.1 1 %的技术指标。

高梯度磁分离FCC平衡催化剂研究

研究了磁场强度和风速对FCC催化剂高梯度磁分离的影响，利用固定床催化裂化微反应装置评价了平衡催化剂、磁性颗粒和非磁性颗粒的激反活性，结果表明，在磁场强度0．5T和风速0．3m·s－1的条件下，利用高梯度磁分离技术能选择性地分离金属污染严重的催化剂，金属污染轻的催化剂仍保持高的催化活性．

用人工神经网络建立高梯度磁选过程模型及其模拟研究

用人工神经网络建立了高梯度磁选过程模型，对不同隐层节点数的神经网络模型的预测性能作了评价；利用选择的最终模型，对高梯度磁选过程的模拟研究表明，该模型可在相当宽广的操作范围内取得较好的预测结果，这说明所建立的模型是合理的、可行的。

高梯度磁选数学模型及计算机模拟的研究(Ⅰ)

利用物料守恒方程、捕集速率方程和夹杂速率方程建立了高梯度磁选过程的非线性动态模型，通过捕集速率和夹杂参数把重要的给料特性和操作变量的作用包括在模型中．

工业型CLLP-φ1000振动高梯度磁选机磁系设计

本文着重介绍了工业型CLLP-Φ1000振动高梯度磁选机矩形磁系的设计与计算．主要包括激磁线圈、铠装铁轭及冷却水量三个部分。同时对磁系的磁场性能进行了检测．结果表明．该设计是可靠的。

高梯度磁选数学模型及计算机模拟的研究(Ⅱ)

利用有限差分法、龙格－库塔法等数值方法对高梯度磁选数学模型进行了数值求解，估计 出了模型参数与影响因素之间的关系表达式．选择磁性产品的产率、品位及回收率等工艺指标为 模型输出指标，开发了高梯度磁选计算机模拟软件，在各种操作条件下对高梯度磁选非线性动态 模型进行了验证和模拟研究．结果表明，模型的计算值和试验结果相一致，说明建模的方法是可行 的，模型的结构是合理的，模型能比较全面地、正确地描述各种影响因素对高梯度磁选过程的影 响．

磁选数学模型研究概况及展望

综述了弱磁场磁选，强磁场磁选以及高梯度磁选数学模型理论方面的研究，简要讨论了各数学模型存在的不足，并指出了磁选数学模型发展方向。

大红山铜矿铁精矿品位提高的研究与实践

针对大红山磁铁矿与铜矿物和脉石矿物嵌布关系复杂、磁选过程中磁团聚严重、脉石夹杂、连生体难以分离的问题,采用了一种新型、高效,提高铁精矿品位的选铁设备,并通过小型试验、扩大连续试验、分流试验、工业试验,最终使生产的铁精矿品位提高了5.33%。

从某矿山堆存尾矿中回收铁的试验研究

广东某矿山堆存有大量离析浮选尾矿,其中含铁25%左右,由于经离析后矿石性质发生了变化,采用常规的磁选设备难以得到可出售的铁精矿.而采用广州有色金属研究院的专利产品-LMC立式脉冲振动磁场磁选机可以得到铁品位55%左右的铁精矿.

用BP神经网络建立脉动高梯度磁选过程模型

用BP神经网络建立脉动高梯度磁选过程模型．对不同隐含层节点数的神经网络模型预测性能进行了评价，隐含层节点为13的神经网络模型选择为最佳模型．利用选择的最佳模型，对黄铜矿高梯度磁选进行模拟研究．模型研究结果表明，在相当宽操作的范围内，模型能够很好地预测磁选精矿中铜的品位和回收率．这说明建立的高梯度磁选模型合理可行．