云南某鎢礦光電預先拋廢選礦工業試驗研究*

張建強，趙德志

（文山麻栗坡紫金鎢業集團有限公司，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狀，易采礦體少、采礦難度大，采礦貧化率高，導致出礦品位降低，這增加了后續破碎、磨礦以及分選等工序的能耗和材料消耗，造成生產成本高。如果在礦石細碎和磨礦之前，通過技術手段將混入其中的圍巖或廢石及早拋除，則可大幅降低生產運行成本，提升產能，為礦山企業降本增效的同時，有效提高礦產資源綜合利用率。

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工藝進行加工處理，其處理成本高，為了有效益地開發利用這部分礦石，明確其光電分選性能及分選模式及工藝技術參數，在小型實驗室試驗的基礎上，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試驗。XNDT-104智能分選機是一套光電分選系統，通過X射線對礦石進行透視掃描，由探測器采集數據，通過智能算法識別區分礦石與廢石，并用計算機控制氣排槍將廢石（也可以是礦石） 精確噴出，從而實現礦石與廢石的分離。

1 礦石性質

原礦取自南秧田鎢礦矽卡巖型白鎢礦，MLA自動定量檢測系統測定結果表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、鎢物相分析結果和白鎢礦粒度分布結果分別見表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果Tab.2 Multi-element chemical analysis results of the raw ore%

表3 原礦鎢物相分析結果表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，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分選機有數量優先模式和純度優先模式兩種工作模式，數量優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。

根據智能光選機的特性，并結合現場實際情況，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

按照上述工業試驗流程，采用分選機的純度優先模式與數量優先模式進行工業試驗，每個工作模式均運行9 d，分別統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果Tab.5 Contrast test flow chart of working mode

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

2.2 入選粒度試驗

粒度是光電分選技術的重要工藝條件，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射線光電分選設備中，礦石經分選后，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據。

表6 粒度試驗結果Tab.6 Particle size test results

上述試驗結果表明：粒度介于（60～15） mm時，最適于采用X射線光電選礦技術進行預先拋廢，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，后續工業試驗以（-60～+15） mm入選為宜。

2.3 礦石水洗試驗

在前面的試驗中，我們發現，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

水洗試驗連續進行5 d，試驗數據見表7。試驗數據表明，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

從水洗工業試驗結果中可以看出，礦石經過水洗后，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，當礦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雜的協同作業的設備，其處理量能力的大小，與其內部的運輸皮帶速度有關，與內置的計算機識別能力有關，與計算機指令的發出速度與傳導速度有關，與控制汽排槍開關的電磁閥開合的速度有關。為了考查光選機的處理能力，開展了處理量試驗，即在上述作業條件下，改變光選機給料皮帶的運轉速度，然后記錄并統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、回收率均呈現下降趨勢，特別是拋廢率下降更為明顯。在光選機的監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、采用數量優先模式，且處理量控制在45 t/h左右。在兩個月的試驗期內，統計不同區間入選品位所對應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，試驗結果代表性稍顯不足，但綜合分析，可以得出以下結論：①入選品位的高低與拋廢率沒有明顯關系，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系，入選品位過低時，雖然經過拋廢處理，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，產生一定的資源浪費；④從試驗結果及上述分析，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，試驗數據統計見表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備的處理量造成礦石進入分選設備時疊加在一起，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，一般情況下應采用“正吹”即噴吹廢石的方式。

3 試驗結論

通過上述試驗，可以得出如下結論：低品位白鎢礦具有較好的光電分選性能，作業拋廢率可以達到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是：采用數量優先模式；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；為盡可能保護礦產資源，應采用“正吹”方式（從噴吹廢石）；處理量應控制在45 t/h左右。

4 結語

采用X射線光電預先拋廢技術對低品位礦進行工業試驗研究，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，為低品位礦產資源的有效益開發利用開辟了一條可行的途徑。