基于中试工厂的低品位白钨矿高效回收浮选回路的最优设计

《Journal of Industrial and Engineering Chemistry》：Optimum design of flotation circuit for Efficient recovery of Low-Grade scheelite ore based on a Pilot-Scale plant

浮选动力学模型优化低品位铇矿石连续浮选流程，通过质量平衡模拟和流程结构调整提升回收率至83.5%，精矿品位达65.2%，验证了工业适用性。

　　
本文聚焦于低品位 scheelite（毒砂）矿石的浮选工艺优化研究。作者团队针对韩国桑东矿（Sangdong mine）开发的连续浮选工艺进行系统性诊断与改进，成功将低品位矿石（WO?含量0.2-0.4%）转化为高回收率（82.3%）和高纯度（≥95%）精矿，为同类矿石处理提供了可复制的技术路径。

研究基础源于 scheelite 矿物特性分析。该矿石主要成分为毒砂（CaWO?）、方解石（CaCO?）、石英（SiO?）和黑云母（(Fe,Mn)?(Al,Fe,Mn)?Si?O??(OH)?），其中毒砂占比约70%。矿物学分析显示，毒砂具有高脆性（莫氏硬度5-6）、表面疏水性特征，而脉石矿物（方解石、石英、黑云母）则表现出亲水性。这种物理化学性质的差异为选择性浮选提供了理论基础。

工艺诊断采用双维度分析框架：首先通过矿物表面特性研究确定浮选动力学参数，其次基于质量平衡模拟优化流程结构。研究发现，原工艺存在两个关键缺陷：1）粗选与精选工序存在回收率重叠区（粗选回收率82%，精选仅提升5%）；2）浮选时间与矿物表面疏水性指数存在非线性关系。针对这些问题，研究团队提出三阶段改进方案。

在药剂体系优化方面，采用复合浮选剂组合。 collector（捕收剂）选用oleic acid（油酸）与KAX（钾амил黄酸）的梯度添加方案，通过实验确定oleic acid添加量从0.5kg/t逐步提升至1.2kg/t时，毒砂回收率可提高12%； depressor（抑制剂）采用sodium silicate（硅酸钠）与sodium tripolyphosphate（焦磷酸钠）的协同作用，使方解石抑制率提升至89%。浮选起泡剂选用Lankropol K-8300，通过调整pH值至9.2-9.5区间，可显著改善泡沫层结构稳定性。

工艺流程重构方面，提出"三段两磨"优化结构：1）粗磨至0.08mm（原工艺为0.15mm），通过增加单位时间磨矿量15%，提高矿物解离度；2）增设中间浮选环节，采用反向浮选工艺（以硫酸铜为活化剂）优先回收硫化物矿物，减少后续流程干扰；3）优化浮选时间分布，粗选阶段延长至8分钟（原6分钟），精选阶段缩短至3分钟，通过调整湍流强度分布提升矿物分选效率。

中试验证数据显示，改进后工艺在处理0.3wt% WO?矿石时，获得回收率82.3%、纯度96.7%的精矿，较原工艺提升15.7个百分点回收率和1.2个百分点纯度。经济性评估表明，每吨精矿生产成本降低18.6%，主要源于药剂用量减少（oleic acid用量降低23%）和能耗优化（浮选功耗降低14%）。

该研究突破传统实验室研究局限，首次将批次试验数据（浮选动力学常数k=0.03min?1）通过连续化放大模型（k=0.028min?1）进行验证，误差控制在±5%以内。提出的"梯度药剂添加-动态流程调整"技术体系，成功解决了低品位矿石（WO?<0.5%）浮选过程中常见的选择性分离难题，特别在处理含高纯度石英（占比35-40%）的矿石时，石英回收率降低至6.8%以下，有效避免有用矿物损失。

研究还创新性地将线性电路分析（LCA）引入连续浮选系统优化，建立"单元机效率-流程拓扑结构-整体回收率"的映射模型。通过调整浮选机组数量（原工艺6组，改进后4组）和配置顺序，在保证精矿质量前提下减少设备投入成本27%，验证了LCA模型在流程重构中的指导价值。

工业应用前景方面，研究团队在韩国国家矿业研究所（KIGAM）的支持下，已将该工艺应用于桑东矿300吨/日处理线的升级改造。实测数据显示，改进后处理线连续运行90天，精矿回收率稳定在81-85%区间（原工艺波动在65-75%），纯度达到96.2%以上，达到工业生产标准。特别在处理含碳酸盐矿物（方解石+白云石>60%）的矿石时，通过调整抑制剂添加时机（粗磨后加入），使碳酸盐矿物回收率从32%提升至19%，同时毒砂回收率保持稳定。

该成果对全球低品位钨矿处理具有重要参考价值。据国际钨协会统计，全球约75%的现有钨矿床WO?含量低于0.5%，而传统浮选工艺难以达到经济开采阈值（精矿WO?≥65%）。本研究建立的工艺优化框架，通过"矿物表面特性分析-浮选动力学建模-连续流程仿真-工业验证"的完整技术链条，为破解低品位钨矿开发难题提供了系统解决方案。研究数据表明，该技术体系可推广至含毒砂矿石的冶金工程中，包括刚果（金）的卡宾达矿、澳大利亚的磁铁矿-毒砂共生矿等典型矿床，具有显著的应用潜力。

研究团队后续计划在智能化控制方面进行深化，拟引入在线矿物识别系统（XRF-CT联用技术）和自适应调控算法，实现浮选过程的实时优化。这标志着低品位金属矿浮选工艺从经验驱动向数据驱动的转型，为资源高效利用提供了新范式。