基于RSM和RA-BPNN的锌窑渣中铜浮选试验优化

摘要：

云南某地锌窑渣矿样,原矿为高碱性矿石,矿石含铜1.38％,氧化率为30.12％.以磨矿细度、戊基黄药用量、碳酸钠用量、硫酸铜用量和硫化钠用量作自变量,以浮选回收率为因变量,分别建立了CCD响应曲面设计模型(RSM)和基于回归分析-BP神经网络(RA-BPNN)的浮选预测优化模型.根据两种模型的优化能力、优化精度进行分析和对比,结果表明,基于RA-BPNN模型进行预测及试验验证,铜回收率达到了64.06％,误差为0.74％,浮选回收率较RSM模型提高了1.54个百分点,且误差明显小于RSM模型,这表明RA-BPNN模型的优化能力高于RSM.根据试验结果,确定了锌窑渣浮选回收铜的最佳浮选条件为:磨矿细度90％、戊基黄药用量370 g/t、碳酸钠用量720 g/t、硫酸铜用量1080 g/t、硫化钠用量870 g/t.通过"一次粗选、三次精选、两次扫选、中矿顺序返回"的闭路浮选工艺流程,获得了品位为6.58％,回收率为55.98％的铜精矿.

关键词：锌窑渣、铜浮选、RSM(响应曲面)、RA-BPNN(回归分析-BP神经网络)

所属期刊栏目：48

分类号：TD923(选矿)

在线出版日期：2019-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1557-1564