当前的世界环境

介绍

由于产业中金属的消耗量增加，新矿石的勘探和提取是不可避免的。根据高等储备和近年来从地雷提取的矿石等级的减少，矿物加工的进展是复杂矿石的浓度是这些行业研究的主题。然而，浮选是一种富有富集大多数矿物质的方法，高运营成本强迫科学家和工程师更仔细地选择化学品的类型和数量，以实现最高的经济效益（Van Nieuwenhuijzen和Van der Graaf，2011）。

Galena除了铅生产作用之外，还称为银宿主，因此世界上大约85％的银色是由Galena Mineral（Bulatovic，2007）生产的。虽然浮选被称为富集该矿石的主要方法，但应考虑采用化学试剂类型和剂量的更好选择和优化这种方法的运营成本和复杂性，以获得更高的恢复和更高级浓缩物（Li和Zhang，2012）。为了使浮选过程中的浮选过程，必须确定矿石的物理化学性质，并且必须调整化学消耗量以降低最大恢复以降低生产更高等级浓缩物的成本（Mehrabani等。，2010）。此外，在Galena Flotation中，重要的是完全除去铅浓缩物中的锌，以减少这种资源的浪费，并防止罚款浓缩（威尔士，2011）。对于Galena，锌和铜金属通常被鉴定为可回收的有价值的矿物质（李和张，2012）。虽然这些矿物质的量不能完全消除，但它们应该最小化。在这种情况下，研究唯一有价值的矿物质是Galena和Sphalerite，因此必须尽可能降低铅浓缩物中锌的等级和恢复。

实验设计(DOE)(Jacquez, 1998;Park, 2007)是一种使用数学原理来设计和分析不同条件下的过程实验的方法。田口法(Roy, 2001;Roy, 2010)通常用于优化实验次数。该方法通过最少的试验次数，提供了大量影响实验结果的参数信息;因此，这种方法减少了实验的成本和时间(Taguchi, 1986;Wang and Huang, 2007)。田口交叉阵列布局包括一个内部阵列和一个外部阵列(Sadrzadeh和Mohammadi, 2008)。内部阵列由可控因素的所有可能组合中选择的正交阵列(OA)组成。采用为Taguchi法专门设计的正交阵列，可以很容易地确定最佳实验条件(Taguchi, 1986)。

TAGUCHI方法的主要障碍是绝对没有关于该过程参数之间的交互的数据。实验的因子设计是唯一可以识别过程中参数相互作用的方法。该方法提供了适当的响应模型，用于考虑不同参数的相互作用（Mendenhall和Sigcich，2003; Vazifeh等等。，2010）。尽管该方法提供了关于参数的相互作用的许多数据，但是当参数的数量或它们的水平变得相对较大时，实验的数量变得非常难（Montgomery，2008）。

响应面方法（RMS）（Anderson和Whitcomb，2005; Azizi等等。，2012;迈尔斯等。，2009;Rajashekhar和Ellingwood，1993;Veetil.等。，2014）是一种数学和统计技术，可用于建模和优化参数的相互作用和分析参数的相互作用是有用的（Mehrabani等，2010; Montgomery，2008）。RMS使用统计和数学方法来模拟过程和参数对响应的影响。该方法的主要应用是通过确定结果的响应表面来优化过程。RSM获得最佳结果模型，并确定拟合响应面，并指定表面的最佳点，表面的最低点取决于研究的目标，对过程模型并确定提供这些结果的条件（Aslan，2007a;阿斯兰，2007B; Gunaraj和Murugan，1999; Kwak，2005）。

这里使用Taguchi和响应表面方法来减少优化研究的实验次数。通过分析Taguchi的实验和RSM的实验来实现最重要的参数，用于建模和优化响应，这些模型仅基于重要参数。这种方法减少了所需实验的数量。需要完成实验的数量，以优化Galena浮选过程，三个分类和四个数值参数为240，但使用这种方法令人印象深刻的实验。

材料与实验

使用化学品可分类为收集器，抑制剂，改性剂和其他，均为工业级。收集器选自三个不同的收集器，作为乙基黄原酸钾（Kex），雾化3418A和DanaFloat067。Kex是Bama Flotation植物中的电流收集器以及大多数其他引线浮选厂。KEX于MINAB Co.在伊朗为工业应用提供。Aurophine3418A是Cytec公司的产品，为具有大量银的铅矿设计和开发。Danafloat067是Cheminova公司的产品。

氰化钠（NACN），硫酸锌和淀粉作为抑郁症，均由Minab公司和Mojalali Company博士提供。由Isfahan共聚物有限公司制备的PEB 70用作较容许。

所需的样品是在Irankouh复合物中的2号浮选厂的球磨机。在一月的工作期间每8小时班次进行抽样6次（共540次）。在取样后，将样品混合，均质化并升高以具有小样品，750g用于浮选实验和分析用途。

施加X射线衍射（XRD）和X射线荧光（XRF）分析用于表征样品的本构型矿物质。使用Bruker D8 - 使用铜管（40kV，30mA）和XRF数据收集XRD数据，并通过飞利浦PW2400收集3000 W. XRD的数据（图1）和XRF（表1）显示斯普利特和加利纳是主要的珍贵矿物和硫酸盐，白云石，石英，黄铁矿，重晶石和赤铁矿，其特征为主要的兆头矿物质。通过原子吸收装置（Varian AA-1275）测量的铅，锌，镁，铁和铜的量分别为1.44％，2.41％，2.75％，4.48％和0.04％。氧化铅和氧化锌的百分比分别为0.9％和0.76％。使用10个抛光部分和微观研究进行了综合定性研究。揭露的释放程度决定为75微米。为了计算矿石的实际密度，使用Pycnometer，并且通过键球磨机测定矿石的工作指数，以找到研磨电路的机械行为和能量消耗。矿石的实际密度和堆积密度为3.0g / cm^3.和1.62克/厘米^3.， 分别。用键球磨机计算的矿石的数量工作指数获得为13.06千瓦时/短吨。

图1：矿石样品的XRD图案 点击此处查看数字

表1：使用XRF的样品的化学成分。

浮选实验

对于浮选实验，为所有实验制备30％w / w固体浆。该纸浆倒入2L丹佛浮选细胞并良好混合。之后将抑制剂加入纸浆后，并使它们混合7分钟并在该时间收集器之后加入并添加。与Galena的交互收集器的调节时间为8分钟。丸味铅浓缩物，在1分钟内收集。

使用Taguchi方法获得了Galena Flotation（即，Galena Recovery，Galena Eppertates offerations和锌恢复等级）中最有效的参数，以及它们的有效范围，然后使用RSM完成优化研究。

初步实验

最初，一个实验是基于BAMA植物条件完成的，但在实验室规模。在表2中总结了该实验中消耗的化学物质的量。

表2：初级实验中使用的化学品类型和量。

Taguchi的实验

铅浮选中的有效参数分为两种类型，可控和固定，分别在表3和4中给出。

表3：Galena Flotation的固定参数。

根据表3，在2或3个级别确定每个可控系数的量和类型。根据Taguchi L的因素及其级别_18.选择哪种6个因素在3个水平和2个水平中的2个因素进行了实验。

表4：在本研究中研究了可控参数的类型和水平。

根据捕收剂用量与种类的关系，将捕收剂用量分为低、中、高三种，而不是所有捕收剂用量都是固定的。KEX捕收剂的投加量分别为20、45和70 g/t, Aerophine3418A和Danafloat067投加量分别为7、15和23 g/t。这有助于我们选择具有可比性的收集器剂量。

RSM的实验

结果发现，收集器型参数，硫酸锌剂量和淀粉剂量比加利纳浮选上的其他参数更重要。收集器的类型是分类的，淀粉和硫酸锌的剂量是研究的数值因素。

根据雾化3418A的相对更好的答案，选择收集器类型参数，而不是三个级别，该收集器被选择为一个级别，第二射器是Kex，因为它比DanaFloat067更便宜且更具可用。根据所应用的实验，Danafloat067没有比Kex显示出显着的优势。

中央复合设计CCD用于设计和分析实验。表5显示了RSM实验的参数水平。

表5:CCD设计的因素和水平。

结果与讨论

巴马工厂条件

首先，进行一个具有BAMA植物状况的实验（表2）。作为该实验结果的浓缩物，铅回收率和锌恢复的铅铅等级分别为13.2％，79％和23.2％。这些结果用于比较优化的病症和植物条件。

Taguchi实验

田口的实验条件是用DX7演示版软件(Design Expert软件)设计的，各实验结果如表6所示。

这些实验和结果的条件用于获得影响Galena Flotation的参数。表7中所示的Taguchi实验模型的统计值如表7所示。使用ANOVA分析的条件和实验结果获得该数据。如表7所示，预测r的数量的差异²并调整R.²对于所有型号小于0.4并且足够的精度超过4，表示模型中数据的适当拟合。它们表示模型中的数据的适当拟合。

表6：Taguchi实验的条件和结果。

表7：Taguchi实验模型的统计值。

收集器的类型对浓缩物级（图2-A）显示使用雾化物3418A实现的铅浓缩物中的最大级铅。硫酸锌剂量的效果示于图2-B中。如图2-B所示，当硫酸锌在600至1000g / t的范围内时，该参数的变化效果在铅浓缩物中的铅等级上不显着，但铅的等级增加通过增加硫酸锌的剂量。

图2：收集器型（A）的作用和硫酸锌（B）浓缩级的效果。 点击此处查看数字

收集器的类型对铅恢复图的影响如图3-a所示。可以看出，通过使用kex实现的最大铅恢复。其他有效参数是淀粉的剂量，淀粉剂量对铅回收的影响示于图3-B中。当使用0至500g / t范围内的淀粉显示时，该参数的方差对铅回收没有显着影响，但通过增加淀粉量的升高率急剧增加。

图3：收集器型（A）和淀粉量（B）对铅回收的影响。 点击此处查看数字

在图4-a中提供了收集器类型对锌恢复图的影响。如图所示，通过使用与使用dabafloat067相关的Kex和最小恢复来实现锌的最大回收。淀粉的剂量在0至500g / t的范围内对锌的回收没有显着影响。然而，在更高的剂量（高于500g / t）时，该参数显着增加锌恢复（图4-B）。其他有效参数是硫酸锌剂量（图4-C）。在使用硫酸锌的范围内，使用其剂量降低了锌的回收率。

图4：收集器型（a），淀粉量（b）硫酸锌量（c）对锌恢复的影响。 点击此处查看数字

基于统计结果（表7），浓缩物硫酸锌的收集器和剂量的类型，用于铅回收和收集器的淀粉类型的含铅和剂量，淀粉和硫酸锌用于锌恢复的含量比其他参数重要。

响应面法实验

表8显示了RSM实验的参数和结果的矩阵。通过ANOVA方法分析表8的数据来模拟结果。统计数据如表9所示。通过模型计算到设计量的模型参数的相关系数和预测值的可取性是可比的（差异预测r²并调整R.²小于0.4），精度良好（大于4）。

表8：设计矩阵和RSM实验结果。

表9：RSM实验模型的统计值。

在等式1中给出了用于计算铅浓缩物中引线级的拟合数学模型。图5中的三维图形和轮廓形式提供。

浓缩率= +11.94 + 1.57 d + 0.95 de + 0.89 e²（1）

图5:硫酸锌和淀粉对等高线(a)和三等高线铅精矿品位的影响 点击此处查看数字

如图5所示，增加硫酸锌剂量LED以增加铅浓缩物的等级，这是由于闪锌矿的凹陷。结果表明淀粉和硫酸锌的复杂相互作用，这可能无法通过Taguchi的实验识别。从图5中可以观察到硫酸锌剂量在增加浓度的淀粉时增加硫酸锌在浓缩物中的铅等级的影响。似乎这种现象发生，因为淀粉作为分散剂，改性剂和抑制在不同剂量的硫酸锌中的作用不同。

铅回收的数学模型示于等式2中。模型的三维图形和轮廓形式如图6所示。

恢复铅= +95.71 + 3.28 de-3.02 e²- 4.37 D.²（2）

图6：硫酸锌和淀粉对轮廓（A）和三维（B）形式的铅回收的影响。 点击此处查看数字

从图6中清楚地看出，硫酸锌和淀粉的剂量具有复杂的相互作用，类似于浓缩物反应的铅等级。在低水平的硫酸锌剂量下，增加淀粉剂量导致降低铅回收率，但在高水平的硫酸锌剂量中相反。硫酸锌的增加最初提高了铅回收率;但高于特定金额，复苏率下降。取决于淀粉用量的量，在不同量的硫酸锌的情况下发生最佳剂量。

软件提出的用于建模锌恢复的最佳转换是逆转格式。硫酸锌的剂量是影响锌回收响应的唯一参数。示例性示出了模型的制剂的数学。在图7中介绍了锌恢复模型的图。如图7所示，硫酸锌的剂量增加，降低了锌响应的回收率。由于硫酸锌的慢性抑郁作用，发生了这种现象。

1 /（Zn恢复）= +0.024 + 2.13×10-5b - 2.99×10-9 b²（3）

图7：硫酸锌对锌恢复的影响。 点击此处查看数字

最佳条件预测

为了确定最佳条件，必须评分参数和答案的重要性，并且必须确定每个因子（最大值或最小值）的最佳状态。为了优化铅浮选的优化浓缩物中的铅等级应最大限度地最大限度地升高，回收锌。此外，减少化学药剂导致了更好的经济状况。增加浓缩物铅等级的每个因素的分数，增加铅回收率，降低锌恢复，硫酸锌的剂量降低和淀粉的减少剂量分别被认为为4,5,3,1和1。基于这些评分获得的最佳条件，该评分在表10中介绍了任何因素。还在浓缩物，铅回收和锌恢复的预测铅等级分别计算为12.8％，96％和18％。

表10：预测参数的优化条件的水平。

验证预测的最佳状态

为了验证预测的参数水平，在最佳状态下进行两个实验，并将实际值与预测值进行比较。在最佳条件（实际值）和预测值中的两个实验结果在表11中呈现。

表11：预测答案的比较和两次重复的实际值。

在PAMA植物条件下优化条件下获得的结果的比较显示，在Galena Flotation的铅浓缩物，铅回收和锌恢复的铅等级中提高了2.6％，10.1％和25％。由于饲料等级低，铅浓缩物中铅等级的改善不显着。改变铅和锌恢复表现出剧烈改善。由于巴马是伊朗最大的铅集中生产商之一，这项优化研究可以提高工业规模过程的有效性。

结论

在本研究中，使用由Taguchi方法设计的实验结果进行研究，研究了七个影响了Galena浮选的参数，然后通过RSM进行了优化。Taguchi和RSM的组合就业对该研究进行了实验的数量，该研究确定为40个实验，如果使用RSM（240实验），则远低于实验数量。在本研究首先，Taguchi方法用于选择重要参数，然后使用CCD设计在响应面方法中进行优化研究。

通过优化试验确定了捕收剂种类、硫酸锌用量和淀粉用量是方铅矿浮选的重要参数。通过优化研究，铅回收率由79%提高到87%，产品铅品位无明显变化。锌的回收率由23.2%降低到17.3%，提高了25.3%。

参考

1. Anderson，M.J.和Whitcomb，P.J.RSM简化：使用响应面方法优化实验设计方法（生产力出版社，2005）。
2. Aslan，N。响应面方法的应用和中央复合可旋转设计，用于建模一种多重重力分离器的一些操作变量对煤炭清洁，燃料，86（5），769-776（2007）的影响。
3. Aslan，N。多重分离器的建模和优化，生产Celestite浓缩物，粉末技术，174（3），127-133（2007）。
4. Azizi，D .;Shafaei，S.Z;Noaparast，M.和Abdollahi，H.使用响应表面方法和中央复合旋转设计，中国有色金属学报的交易，22（9），2012）的响应表面方法和中央复合旋转设计的建模和优化。
5. 布拉托维奇，三。浮选试剂手册：化学，理论与实践：第1卷：硫化物矿石浮选（Elsevier，2007）。
6. 陈志强，陈志强，陈志强，等。基于响应面法的深埋弧焊焊缝质量预测方法研究。焊接学报，31(1)，353 - 356(1999)。
7. jacquez，J.A.实验设计，富兰克林学院学报，335（2），259-279（1998）。
8. Kwak，J.S.Taguchi和响应面方法在表面研磨过程中的几何误差，国际机床和制造，45（3），327-334（2005）中的应用。
9. 李，米。和张，Q.D.铅锌矿浮选过程条件的实验研究，先进材料研究，Trans Tech Purn，183-188（2012）。
10. Mehrabani，J .;noaparast，m .;Mousavi，S。A. A. A。使用响应面方法，分离和净化技术，72（3），2010）的低级Zn-PB矿石的流程优化和模拟闪光石浮选。
11. Mendenhall，W.和Sirgich，T.第二课程Sakomura，NK，2004年。在统计中建模能源利用：回归分析，（Pearson Broiler Breeders，2003）。
12. Montgomery，D.C.实验设计和分析，（John Wiley＆Sons，2008）
13. 迈尔斯，R.H .;Montgomery，D.c.和Anderson-Cook，C.M.响应面方法：使用设计实验的过程和产品优化，（John Wiley＆Sons，2009）。
14. 公园，G.-J.实验设计，（2007年设计实践分析方法，2007）。
15. Rajashekhar，M.R.和Ellingwood，B.R.一种新的可靠性分析，结构安全，12（3），205-220（1993）的响应面方法。
16. 罗伊，r.k.使用Taguchi方法的实验设计：产品和过程改进的16个步骤（John Wiley＆Sons，2001）。
17. 罗伊，r.k.Taguchi方法的一个底漆（2010年制造工程学会）。
18. Sadrzadeh，M.和Mohammadi，T.使用电渗析，海水淡化，221（1），440-447（2008）的海水淡化。
19. Taguchi，G.质量工程简介：将质量设计为产品和流程（1986）。
20. Van Nieuwenhuijzen，A.和Van der Graaf，J。粒子分离过程中的手册（IWA Publishing，2011）。
21. vazifeh，y;A. A. A.和Bagherian的Jorjani，A.使用统计技术优化铜浮选的试剂剂量，中国有色金属学报的交易，20（12），2371-2378（2010）。
22. Veetil，D.P;Mercier，G .;Blais，J.-f.和Chartier，M.使用响应面模型，土壤和沉积物污染的污染细沉积物选择性浮选的操作参数的优化：国际期刊，23（2），107-125（2014）。
23. 王，t.-y.和黄，C.-Y.通过雇用Taguchi方法，欧洲运营研究，176（2），1052-1065（2007）通过推动预测性能。
24. Wills, b.a Wills的矿物处理技术:矿石处理和矿物回收的实际方面的介绍(Butterworth-Heinemann, 2011)。