さまざまな温度でのアニオン性逆酸化鉄浮遊選鉱における浮選試薬システムのモデリングとシミュレーション

May 09, 2023

Scientific Reports volume 13、記事番号: 8117 (2023) この記事を引用

174 アクセス

メトリクスの詳細

鉄鉱石からの石英の除去は、陰イオン逆浮選法によって工業的に行われていました。 しかし、その種の浮遊選鉱では、浮遊選鉱試薬と飼料サンプルの成分との相互作用により、浮選選別システムが複雑になります。 したがって、均一な実験計画を使用して、さまざまな温度での試薬投与量の選択と最適化を実行し、最適な分離効率を推定しました。 さらに、生成されたデータと試薬システムは異なる浮選温度で数学的にモデル化され、MATLABのグラフィカルユーザーインターフェイスGUIが実行されました。 この手順の利点は、濃縮収量、総鉄品位、および総鉄回収率を予測することに加えて、温度をさまざまな値に調整して試薬システムを自動的に制御することで、リアルタイムで表示されるユーザー インターフェイスを実行できることです。

鉄鉱石は、世界の鉄鋼産業に不可欠な鉄の主な供給源であり、国の基本的なインフラ整備の根幹となっています。 鉄鉱石は主に磁鉄鉱（Fe3O4）と赤鉄鉱（Fe2O3）の酸化鉄で構成されています。 ただし、中国におけるこれらの鉱石の平均品位は、カットオフ品位の 45% を下回ります1。 したがって、鉄鋼産業の需要を満たすために鉱石の品位を高めるには、プロセス開発の高度化が必要でした。 選鉱はいくつかの段階からなり、広範囲に研究され 2,3,4 、最終精鉱を製造する処理プラントでは陰イオン逆浮遊選鉱が一般的な経路でした 5,6,7,8,9。 一方、代替ルートとしての直接浮遊選鉱では、石英の部分的な浮選が生じ、その結果、最終精鉱の品位が低下しました10。 ただし、マイナスに帯電した酸化鉄 (貴重品) と石英 (脈石) 粒子間の静電気反発力を最大化するために、陰イオン性逆浮遊選鉱は pH 11.5 で確立されます。 また、酸化鉄微粒子を凝集させてフロスゾーンに輸送されないようにするほか、酸化鉄粒子の浮遊性を抑制するために、コーンスターチなどの抑制剤が利用されている11。 さらに、酸化カルシウムなどの活性化剤を使用して、石英の表面電荷をプラスに変化させて石英を選択的に活性化します。 次に、市販の TD-II のようなアニオンコレクターが正に帯電した石英に吸着され、疎水性が高まり、その結果浮遊性が高まります 12、13、14。 したがって、アニオン逆浮遊選鉱における適切な試薬システムは、特に低品位の鉄鉱石を扱う場合、さまざまな浮遊選鉱試薬と供給スラリーの多様な成分との相互作用の結果、非常に重要かつ複雑になります。 このように、試薬系の選択と最適化は多大な労力と時間がかかる重要な研究段階であるため、著者らは統一した実験計画を行った1。 統一テスト設計の利点としては、テスト時間を短縮し、テストサイクルを短縮し、多要素の最適化スキームを迅速に見つけることができる、非常に迅速で高効率かつ経済的な実験設計方法が挙げられます15、16。

酸化鉄のアニオン逆浮遊選鉱は、通常、スラリー温度を 35 °C12、14、または 30 °C1 に自動制御して行われます。 この論文では、浮遊選鉱温度の関数としての浮遊選鉱試薬の影響を調査し、最適化するために、20 °C から 45 °C までの異なる浮選温度で統一試験設計法を使用して、酸化鉄原料の浮遊選鉱実験を実施しました。 。

このタイプの研究では、MATLAB ベースのグラフィカル ユーザー インターフェイス GUI を使用して、さまざまな図を迅速に生成できます。 これは、データ分析と視覚化、アルゴリズム計算、数値設計に使用される高速かつ最も一般的なソフトウェアの 1 つです17。

代表的な実験サンプルは、遼寧省鞍山にある安銭処理工場の浮遊選鉱回路の原料から収集されました。 この工業プラントでは、それぞれ 104 μm、35 μm、および 6 μm より細かい 90%、50%、および 10% のサンプルを使用して浮遊選鉱回路を稼働させます。 総平均鉄含有量は約 48% です。 サンプルの完全な特性評価は、X 線回折 (XRD)、蛍光 X 線、ミネラル遊離分析装置 (MLA) を使用した以前の研究で説明されています1、12、14。 主な鉱物は、酸化鉄 (赤鉄鉱/磁鉄鉱) と、黄鉄鉱やアパタイトなどの他の不純物を含む石英です 1,12,14。

浮遊選鉱回路は、酸化鉄抑制剤としてのデンプン、石英活性化剤としての石灰 (CaO)、および石英コレクターとしての市販のアニオン性 TD-II を含む植物化学試薬を使用して、典型的なプラント条件に基づいて実行されます。 さらに、分析グレードの NaOH および HCL (15% w/w) を pH 調整剤として使用しました。

研究は、図 1 に示すプラントのフローシートを使用して、ただし 20 °C から 45 °C までの異なる浮選温度で実施されました。 閉回路は、粗引き、洗浄、および pH 値 11.5 の 3 つの洗浄浮選ステージで構成されています1。 粗加工段階では抑制剤、活性剤、コレクターが添加され、コレクターの 3 分の 1 は洗浄段階で追加されます。 クリーナーのテーリングは最初のスカベンジャーの濃縮物と結合されて粗いフィードに戻され、2 番目のスカベンジャーの濃縮物は最初のスカベンジャーフィードにリサイクルされ、3 番目のスカベンジャーの濃縮物は 2 番目のスカベンジャーフィードに戻されます。スカベンジャーの餌（図1）。 浮遊選鉱回路の生成物は脱水、乾燥、均質化、計量され、総鉄グレードが分析されました。

酸化鉄の逆アニオン浮遊選鉱のフローシート。

酸化鉄の浮遊選鉱回路については、20 °C から 45 °C までのさまざまな浮遊選鉱温度での最適な浮遊選鉱試薬システムを推定するために、統一されたテスト設計が実施されました。 詳細な均一設計の最適化方法論は、以前の研究で説明されています1。 均一テスト設計は、実際のプロセスのパフォーマンスを表すモデルを作成するために、多くの産業用途で実行されるコンピューター シミュレーションです。 したがって、最高の分離効率を与える最適な浮選試薬システムを得るために、各浮遊選別温度の 3 因子の 10 水準で 10 回実行する均一テスト設計 U10(103) 実験をランダムな順序で実行しました。 各因子の用量範囲は、予備試験により、抑制剤、活性化剤、およびコレクターについてそれぞれ 0.4 ～ 2.2、0.1 ～ 1.0、および 0.3 ～ 1.2 kg/t であることが特定されました。 分離効率に関する因子間の相互作用は、応答曲面モデリングを使用して解明されました。

MATLAB の GUI は、均一なテスト設計を使用して推定された最適データに基づいて、さまざまな浮選温度での最適な浮遊選鉱試薬システムをシミュレートするために実行されました。 浮選試薬系計算プログラムのインターフェース内容設計を図2に示します。

浮選試薬システムの MATLAB 計算プログラムの操作およびコンテンツ インターフェイス。

レイアウトでは入力値として浮選温度が表示され、実行コマンドボタンである計算ボタンをクリックすると抑制剤投与量、活性剤投与量、捕集剤投与量、濃縮収量、グレード、回収率の値が出力されます。

コードビューでの計算手順は以下の通りです。

関数 Pushbutton3_Callback(hObject、eventdata、handles)。

a = get(handles.edit1,'string');

% 浮選温度を取得します。

dianfen = 1000 × (48.1 × (str2double(a)) + 79.88)/((str2double(a))^2–57.17*(str2double(a)) + 1798);

% 抑制剤の投与量を計算します。

陽花街 = 1000 × (126.6 × (str2double(a)) − 1870)/((str2double(a))^2 + 51.19 × (str2double(a)) − 476.8);

% 使用した活性化剤の量を計算します。

ブショウジ = 1000 × (0.4602 × (str2double(a)) + 3.807)/((str2double(a)) − 9.204);

chanlv = − 0.0002637 × (str2double(a))^3 + 0.0002637 × (str2double(a))^2 – 0.4094*(str2double(a)) + 65.45;

% 濃縮率を計算します。

pinwei = − 4.3e−005*(str2double(a))^4 + 0.005893*(str2double(a))^3–0.3015 × (str2double(a))^2 + 6.828*(str2double(a)) + 10.96;

% 濃縮グレードの計算:

huishoulv = 0.0008 × (str2double(a))^3 – 0.09687 × (str2double(a))^2 + 3.705 × (str2double(a)) + 47.08;

% 濃縮物回収率を計算します。

b = num2str(ピンウェイ); % 数値を文字列に変換します。

c = num2str(huishoulv); % 数値を文字列に変換します。

d = num2str(dianfen); % 数値を文字列に変換します。

e = num2str(陽花街); % 数値を文字列に変換します。

f = num2str(武将寺); % 数値を文字列に変換します。

g = num2str(chanlv); % 数値を文字列に変換します。

set(handles.edit2, 'string',b) % 文字列をテキスト ボックスに出力します。

set(handles.edit3, 'string',c) % 文字列をテキスト ボックスに出力します。

set(handles.edit4, 'string', d) % 文字列をテキスト ボックスに出力します。

set(handles.edit5, 'string',e) % 文字列をテキスト ボックスに出力します。

set(handles.edit6, 'string',f) % 文字列をテキスト ボックスに出力します。

set(handles.edit9, 'string',g) % 文字列をテキスト ボックスに出力します。

さらに、上記の手順により、現場で浮選回路の浮選温度を20～45℃の範囲で入力することができ、現場での生産実践の指針となる浮選試薬系を得ることができる。

浮選プロセスの閉回路は複雑であるため、独立した要素間の相互作用を調べ、最適な分離効率を見つけるには、統一されたテスト設計を利用する必要がありました。 図 3 は、各浮選温度で他の要因を最適値に維持しながら、分離効率に影響を与える 2 つの要因それぞれの応答曲面モデリングを示しています。 CaO は、デンプンによって酸化鉄粒子を抑制しながら、石英粒子を活性化してコレクターの吸着に選択的に対応するために不可欠です。 たとえば、20 °C では、CaO またはコレクターの添加量の変化は、特にデンプンの添加量が低い場合、分離効率にあまり影響を与えませんでしたが、デンプンの添加量を増やすと、分離効率の高い値を維持するために CaO とコレクターの添加量を増やす必要がありました。 一方、CaOとコレクタの相互作用では、一方が最高レベル、もう一方が最低レベルのときに分離効率が最小となり、両方が最低レベルのときにわずかに増加し、両方が最高レベルのときに最大になります。 。 浮選温度を上げると、これらの要因の顕著な効果が高まります。 たとえば、45 °C で最大の分離効率を達成するには、デンプンの添加量を約 0.7 kg/t の中間コレクター添加量で 1.8 kg/t に増加させながら、CaO を最大値 1 kg/t まで増加させる必要があります。 図 3 から、各浮選温度で最大の分離効率 (最大グレードと回収率) を与える最適な試薬システムが特定されました (表 1)。 この研究と以前の研究1では、30 °C、抑制剤投与量 1.6 kg/t、活性剤投与量 1.0 kg/t、およびコレクター投与量 0.8 kg/t の最適条件で、最大 Fe 品位と回収率は 68.90% でした。それぞれ92.62%が達成されました。 均一な試験設計が採用されない場合、典型的なプラント条件は、抑制剤、活性剤、およびコレクターがそれぞれ 1.2 kg/t、0.5 kg/t、および 0.8 kg/t です。 このプラントでは、総鉄含有率 68.28%、鉄回収率 89.07% を含む濃縮収率 62.49% が生産されます1。

異なる浮遊選別温度における浮選試薬システムの応答曲面。

表 1 に示すさまざまな温度値における閉鎖浮遊選鉱回路の最適な試薬システムを考慮して、濃縮物の収量、品位、回収率、およびさまざまな浮選温度における最適な浮遊選鉱試薬システムを予測するための数学的モデルが生成されました。

最適な浮選試薬システム（抑制剤、活性化剤、および捕集剤の投与量）対浮選温度の数学的モデルのフィッティング曲線を図 4 に示します。これは、20 °C から 45 °C への浮遊選鉱温度の上昇により、浮選温度が上昇したことを示しています。抑制剤と活性化剤の投与量の最適値はそれぞれ 1.0 kg/t および 0.7 kg/t から 1.8 kg/t および 1.0 kg/t に変更されましたが、最適捕集剤投与量は 1.2 kg/t から 0.7 kg/t に減少しました。

浮選温度と浮選試薬システムのフィッティング曲線。

浮遊選別温度 (x) と抑制剤、活性化剤、コレクターの投与量 (f(x)) の数学的モデルの構造を式 1、2、3 に示します。 (1) ～ (3) それぞれ:

効果パラメーターをフィッティングする 3 つのモデルの相対誤差は 0.005022、0.0004614、および 0.0004639 です。 R2 は 0.9907、0.9937、0.976。 調整 R2 は 0.9767、0.9843、0.96。 二乗平均平方根 (RMS) 誤差はそれぞれ 0.05011、0.01519、0.03932 でした。

異なる浮遊選鉱温度条件における最適な浮遊選鉱試薬システムにおける、精鉱収量、総鉄品位、総鉄回収率と浮遊選鉱温度の数学的モデルのフィッティング曲線を図 5 に示します。

最適な浮選試薬システムにおける濃縮物の収量、等級、回収率と浮遊選別温度の関係。

3 つの方程式のフィッティング効果パラメーターは次のようになります。 (4) ～ (6) は相対誤差 0.2245、0.05171、および 0.002071 です。 R2 は 0.8418、0.9734、0.9998。 調整 R2 は 0.6045、0.8668、0.9995。 RMS誤差はそれぞれ0.335、0.2274、0.03218でした。

生成されたモデルによれば、現場での浮選温度を変化させるには、最適なパフォーマンスを予測しながら浮選試薬システムを調整する必要がありました。 したがって、浮遊選鉱回路の浮選温度は 20 ～ 45 °C の範囲で入力でき、図 6 に示すように予想される浮遊選鉱指数を与えることにより、現場での生産実践をガイドするための浮選試薬システムを得ることができます。 。

浮選試薬システムの計算手順の結果。

計算手順によって得られた試​​薬系を、表 2 に示すさまざまな浮選温度条件下での試験値と比較しました。また、実験的に得られた浮選結果を、表 3 に示す計算手順によって予測された値と比較しました。テスト値と計算手順によって得られたデータとの間の相対誤差値を表 4 に示します。相対誤差は式 4 に従って計算されます。 （7）

表 4 から、相対誤差値が小さく、計算プログラムの予測効果が良好であることがわかります。 さらに、計算手順の結果に従って試薬システムの調整を迅速に行うことができ、閉回路浮遊選鉱指数を取得することができます。

この研究では、MATLAB ベースの GUI を利用して、酸化鉄逆浮遊選鉱回路の最適な浮遊選鉱試薬システムに対する浮選温度の影響をシミュレートしました。 最適なデータは、最初に均一なテスト設計を実行することによって生成されました。これは、実際のプロセス性能を表すモデルを作成するために多くの産業用途で利用されるコンピュータ シミュレーションです。 浮選温度が 20 ℃から 45 ℃に上昇すると、抑制剤と活性化剤の投与量の最適値はそれぞれ 1.0 kg/t と 0.7 kg/t から 1.8 kg/t と 1.0 kg/t に増加しましたが、最適捕集剤投与量は 1.2 kg/t から減少しました。 0.7kg/tまで。 これらの最適条件では、製品収率、Fe 品位、Fe 回収率はそれぞれ 62.27 ～ 63.87%、67.21 ～ 68.90%、および 88.83 ～ 92.62% の範囲でした。 次に、MATLAB ベースの GUI がさまざまな温度で最適な試薬システムの数学的モデルを生成したため、現場で浮遊選別温度を変更することで、最適な性能を予測しながら浮選試薬システムを効果的に調整できます。 要約すると、GUI は鉱物処理研究者から非常に支持されており、精鉱の収量、品位、回収率などの浮選指数を予測することに加えて、さまざまな浮選温度での現場での浮遊選鉱試薬の追加をガイドすることもできます。

現在の研究中に生成および/または分析されたデータセットは、合理的な要求に応じて責任著者が利用できます。

Hou, Y. & Sobhy, A. 鉄アニオン逆浮遊選鉱回路の浮選試薬の最適化における統一テスト設計の適用。 物理化学。 問題。 鉱夫。 プロセス。 58、37–49 (2021)。

Google スカラー

Nakhaei, F. & Irannajad, M. 酸化鉄鉱物の浮遊選鉱における試薬の種類: レビュー。 鉱夫。 プロセス。 補足メタル。 改訂 39、89–124 (2017)。

記事 Google Scholar

Pattanaik, A. & Rayasam, V. RSM-D 最適設計を使用した逆カチオン性鉄鉱石微粒子浮遊選鉱の分析: 持続可能性へのアプローチ。 上級パウダーテクノロジー。 29、3404–3414 (2018)。

記事 CAS Google Scholar

Zhang、X.ら。 鉄鉱石の浮遊選鉱: レビュー。 鉱夫。 プロセス。 補足メタル。 改訂版 https://doi.org/10.1080/08827508.2019.168949442 (2019)。

記事 Google Scholar

Ma, X.、Marques, M.、および Gontijo, C. ベール鉄鉱石の逆カチオン/アニオン浮遊選鉱の比較研究。 内部。 J.マイナー。 プロセス。 100、179–183 (2011)。

記事 CAS Google Scholar

Quast, K. 酸化鉄鉱石の浮遊選鉱における天然物の使用に関する文献レビュー。 鉱夫。 工学 108、12–24 (2017)。

記事 CAS Google Scholar

de Medeiros、ARS & Baltar、CAM 微粒子の浮選におけるコレクターチェーンの長さの重要性。 鉱夫。 工学 122、179–184 (2018)。

記事 Google Scholar

Kumar, D.、Jain, V. & Rai, B. カルボキシメチルセルロースは、アルミナが豊富な鉄鉱石スライムを選鉱するための選択的凝集剤として使用できますか? 密度汎関数理論と実験的研究。 鉱夫。 工学 121、47–54 (2018)。

記事 CAS Google Scholar

イン、W.ら。 磁気シーディング凝集を利用した石英からのヘマタイトの逆浮選分離。 Miner Eng 139、105873 (2019)。

記事 CAS Google Scholar

Hou, Y. & Sobhy, A. 弱酸性条件下での鉄の直接浮遊選鉱における石英へのオレイン酸ナトリウムの吸着に関する新しい洞察。 界面活性剤サーフ。 洗浄します。 58、237–242 (2021)。

記事 CAS Google Scholar

Shrimali, K. et al. 鉄鉱石の逆浮選におけるコーンスターチによるヘマタイト陥没の性質。 J. コロイド界面科学。 524、337–349 (2018)。

論文 ADS CAS PubMed Google Scholar

Tao, D.、Wu, Z. & Sobhy, A. ナノバブル強化ヘマタイトの逆アニオン浮遊選鉱および関連メカニズムの研究。 パウダーテクノロジー。 379、12–25 (2021)。

記事 CAS Google Scholar

Hou, Y.、Sobhy, A. & Wang, Y. QCM-D を使用した鉄アニオン逆浮遊選鉱における試薬添加順序の重要性とその吸着特性。 物理化学。 問題。 鉱夫。 プロセス。 57、284–293 (2020)。

記事 Google Scholar

Sobhy, A.、Wu, Z. & Tao, D. ナノバブルと統合された逆アニオン性ヘマタイト浮遊選鉱の統計分析と最適化。 鉱夫。 工学 163、106799 (2021)。

記事 CAS Google Scholar

Xia, S.、Lin, R.、Cui, X.、Shan, J. 定常動作条件下での PEMFC のパラメータ最適化における直交試験法の適用。 内部。 J. 水素エネルギー。 41、11380–11390 (2016)。

記事 CAS Google Scholar

Wang, Y.、Mu, J. & Wang, J. 均一設計と応答曲面設計によるサンザシワインの発酵技術の最適化。 フロント。 農業。 中国 2011(5)、407–412 (2011)。

記事 Google Scholar

He, S. & Li, P. 広く使用されている水文地球化学図を迅速に作成するための MATLAB ベースのグラフィカル ユーザー インターフェイス (GUI)。 地球化学 80、125550 (2020)。

記事 CAS Google Scholar

リファレンスをダウンロードする

遼寧科学技術大学鉱山工学部、鞍山、114051、中国

イン・ホウ

山東理工大学資源環境工学部、淄博市、255049、中国

アーメド・ソビー

鉱物技術部、中央冶金研究開発研究所、ヘルワン、11421、カイロ、エジプト

アーメド・ソビー

PubMed Google Scholar でこの著者を検索することもできます

PubMed Google Scholar でこの著者を検索することもできます

YH: 概念化、ラボテスト。 AS: 執筆、方法論。 データ分析; 編集。

アーメド・ソビーへの通信。

著者らは競合する利害関係を宣言していません。

シュプリンガー ネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープン アクセス この記事はクリエイティブ コモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブ コモンズ ライセンスへのリンクを提供し、変更が加えられたかどうかを示します。 この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブ コモンズ ライセンスに含まれています。 素材が記事のクリエイティブ コモンズ ライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。 このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Hou, Y.、Sobhy, A. さまざまな温度でのアニオン性逆酸化鉄浮遊選鉱における浮遊選鉱試薬システムのモデリングとシミュレーション。 Sci Rep 13、8117 (2023)。 https://doi.org/10.1038/s41598-023-35187-4

引用をダウンロード

受信日: 2023 年 3 月 13 日

受理日: 2023 年 5 月 14 日

公開日: 2023 年 5 月 19 日

DOI: https://doi.org/10.1038/s41598-023-35187-4

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティ ガイドラインに従うことに同意したことになります。 虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。