期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
火试金法测高硫浮选铜精矿中金银配比优化
1
作者 彭汉梅 《中国科技期刊数据库 工业A》 2024年第4期0038-0041,共4页
含硫较高(30%~40%)的铜精矿在使用火试金法检测其金银含量时,若不采用焙烧、加硝酸钾等方式消除硫对熔渣、铅扣的影响,不仅会导致金银富集不完全导致检测结果偏低,还会导致铅扣过大,增长灰吹时长而导致银结果偏低。先使用高温红外碳硫... 含硫较高(30%~40%)的铜精矿在使用火试金法检测其金银含量时,若不采用焙烧、加硝酸钾等方式消除硫对熔渣、铅扣的影响,不仅会导致金银富集不完全导致检测结果偏低,还会导致铅扣过大,增长灰吹时长而导致银结果偏低。先使用高温红外碳硫测定试样全硫值,再根据GB/T20899.1-2010中样品还原力测定方法测定试样还原力,计算得出熔融所需硝酸钾量,再通过正交法确定其他溶剂的最佳加入量,使用实验所得最佳配料比例对样品进行分析,改进后的方法准确度高,精密度好,能够满足快速测定浮选铜精矿中金银含量的要求。 展开更多
关键词 火试金法 浮选铜精矿 高硫样品 配比
下载PDF
浮选铜精矿加压酸浸工艺研究 被引量:4
2
作者 库建刚 刘殿文 张文彬 《矿冶工程》 CAS CSCD 北大核心 2007年第5期31-34,共4页
对云南某铜选厂浮选铜精矿进行了加压酸浸工艺研究,确定其较佳工艺条件为:硫酸初始浓度1.5 mol/L,磨矿粒度-0.037mm粒级占89%,氧分压2 MPa,浸取时间5 h,浸取温度156℃,表面活性剂木质素磺酸钠用量2.5 g/kg。在该工艺条件下,铜精矿浸出率... 对云南某铜选厂浮选铜精矿进行了加压酸浸工艺研究,确定其较佳工艺条件为:硫酸初始浓度1.5 mol/L,磨矿粒度-0.037mm粒级占89%,氧分压2 MPa,浸取时间5 h,浸取温度156℃,表面活性剂木质素磺酸钠用量2.5 g/kg。在该工艺条件下,铜精矿浸出率为79.15%。采用新型浸出剂ZK05,铜精矿中铜的浸出率达到98%以上,硫则通过浮选回收,回收率约为60%。 展开更多
关键词 浮选铜精矿 加压酸浸 浸出率
下载PDF
火试金法测定非浮选铜精矿中金银的条件分析 被引量:9
3
作者 汪廷龙 罗智 《铜业工程》 CAS 2007年第1期72-73,71,共3页
目前非浮选铜精矿中含杂质种类繁多且含量高,严重干扰金银正常测定,火试金法测定铜精矿中金和银量国家标准方法不能完全适用。文中对火试金方法快速准确分析非浮选铜精矿中金和银量的各种条件进行了分析。
关键词 火试金 金银 浮选铜精矿
下载PDF
浮选铜精矿加压酸浸工艺研究 被引量:2
4
作者 库建刚 王安理 +1 位作者 乔翠杰 张文彬 《有色金属(冶炼部分)》 CAS 北大核心 2007年第6期10-12,共3页
系统研究了各种因素对浮选铜精矿铜浸出率的影响。结果表明:在中温条件下铜浸出率不高的根本原因是由于形成大量的硫包裹,于是采用了新型浸出剂ZK-05,使精矿中铜的浸出率达到98%以上,而硫则通过浮选回收,其回收率约为60%。
关键词 浮选铜精矿 加压酸浸 浸出率
下载PDF
非浮选铜精矿中铜测定短碘量法改进 被引量:4
5
作者 廉惠萍 《现代矿业》 CAS 2013年第6期162-163,共2页
根据目前市场中出现的混配非浮选铜精矿其铜品位高低不一的特点,从试样加工、称样量、溶样方法及滴定等几个方面,针对其中的干扰元素进行特殊处理和测定方法改进,从而达到了消除干扰因素准确测定铜的目的,提高了非浮选铜精矿中铜测定的... 根据目前市场中出现的混配非浮选铜精矿其铜品位高低不一的特点,从试样加工、称样量、溶样方法及滴定等几个方面,针对其中的干扰元素进行特殊处理和测定方法改进,从而达到了消除干扰因素准确测定铜的目的,提高了非浮选铜精矿中铜测定的准确度和精密度,为企业生产和销售贸易提供了可靠的参考数据。 展开更多
关键词 浮选铜精矿 测定 精密度 短碘量法 长碘量法
下载PDF
散装浮选铜精矿取样系统误差校核试验方法研究
6
作者 李加胜 赵伟栋 《江西铜业工程》 CAS 1994年第3期27-28,共2页
本文介绍散装浮选铜精矿,以铁路货车交货时,如何利用动态取样法校核货车取样法是否存在取样系统误差及校核方法.
关键词 取样系统误差 校核 散装浮选铜精矿
下载PDF
铜阳极泥熔炼渣浮选精矿中铋的回收利用
7
作者 朱新生 《世界有色金属》 2018年第10期10-11,共2页
结合铜阳极泥熔炼渣浮选精矿处理的实际需求,提出了精矿中铋脱除及回收利用的工艺,既实现了金、银等的富集和循环利用,又通过研究获得了脱砷最佳工艺参数,产出了铋85.6%的海绵铋产品,铋的综合回收率92.3%。
关键词 阳极泥熔炼渣浮选精矿铋回收
下载PDF
基于机器学习的铜浮选精矿品位预测模型
8
作者 雷雨田 刘猛 +1 位作者 邹敏红 周冶 《中国矿业》 2024年第S01期428-431,共4页
精矿品位是衡量浮选效果的一项重要指标,一直是行业内关注的重点。本文分别介绍了BP神经网络、随机森林、偏最小二乘法(PLS)三种机器学习算法的原理。利用国内某大型铜矿选矿厂浮选流程生产数据,对比分析了以上三种机器学习算法对铜浮... 精矿品位是衡量浮选效果的一项重要指标,一直是行业内关注的重点。本文分别介绍了BP神经网络、随机森林、偏最小二乘法(PLS)三种机器学习算法的原理。利用国内某大型铜矿选矿厂浮选流程生产数据,对比分析了以上三种机器学习算法对铜浮选过程中铜精矿品位的预测结果与误差。研究结果表明,在本文研究数据条件下随机森林是预测误差最小的算法,预测绝对误差在±1%范围内的样本数百分比为91.78%,在±2%范围内的样本数百分比为99.43%,MAE为0.4626,MSE为0.3839。本文提出的算法能较准确地预测铜精矿品位,为操作人员提供实时的决策支持,有助于维持生产过程中精矿品位的稳定性。 展开更多
关键词 浮选精矿品位 模型预测 BP神经网络 随机森林 偏最小二乘法
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部