一种基于不同浮选原矿酸耗条件下氧化精矿产率控制方法与流程

本发明涉及矿物加工，具体涉及一种基于不同浮选原矿酸耗条件下氧化精矿产率控制方法。

背景技术：

1、氧化铜钴矿在开发利用时，由于其具有高钙镁杂质含量高的特性，直接酸浸时硫酸消耗量巨大，大幅降低经济效益，是长期困扰选冶行业的技术难题（巴红飞,胡志强,石玉臣,等.刚果(金)某高钙镁氧化铜钴矿选冶联合试验研究[j].中国矿业，2024,33(z2):405-412）。为针对这一难题，目前普遍采用选冶联合工艺处理高酸耗氧化铜钴矿石，即先通过浮选预先抛离部分耗酸脉石，再将氧化精矿投入酸浸系统，从而达到降酸耗、提效益的效果（王福元,余浔,王立刚,等.刚果(金)某氧化铜钴矿选冶试验研究[j].现代矿业,2024,40(7):154-157,162）。

2、目前针对选冶联合工艺处理高酸耗氧化铜钴矿石，进行了大量的生产实践。刘佳鹏等（刘佳鹏,徐敬元,冯兴亮,等. 刚果(金)某高钙镁铜钴矿的选冶联合试验研究[j]. 有色金属（选矿部分）,2023(3):101-109）针对刚果（金）某高钙镁铜钴矿采用连续五次氧化矿粗选、粗精矿不再精选的流程，获得产率为26.27%，铜品位6.45%，铜回收率90.61%的精矿。有学者逐步优化选冶联合工艺参数，即通过调节磨矿细度、起泡剂及捕收剂用量（欧雯俊,徐伟,田言,等.wf-01反浮选贵州某钙镁质磷矿及其固液界面吸附行为研究[j].有色金属(选矿部分),2025(07):35-41.）、矿浆ph值等条件来优化浮选指标。也有基于运行数据和泡沫图像建立模型，通过识别泡沫表象，预测浮选指标，实现矿物浮选过程控制（王康, 徐航,李晓理, 等. 数据驱动的浮选过程建模、控制与优化研究进展[j]. 北京工业大学学报,2023, 49(4): 485-506）。

3、然而，现有选冶联合技术大多聚焦于浮选作业本身的技术指标（如精矿品位、回收率等），较少从选冶全系统经济价值的角度考虑调整策略。存在以下技术缺陷：

4、（1）缺乏氧化精矿性质与原矿性质定量关联模型。未建立定量的函数关系，无法为产率控制提供精确的数据支撑。

5、（2）缺乏以经济效益为基准的产率控制体系。目前多从浮选指标（品位、回收率）调整工艺策略，未将硫酸、金属价值因素纳入产率控制的决策体系，难以保证选冶系统整体经济效益最优。

6、（3）生产策略缺乏动态调整机制。现有浮选产率控制多为固定参数设定，无法根据原矿性质变化、外部市场价格波动等条件进行动态调整。

7、因此，急需建立浮选产率与选冶系统整体经济效益之间的定量关联模型，来指导选冶联合工艺控制逻辑，解决现有技术中难以根据原矿性质变化和市场波动动态调整产率控制策略、无法保障全流程经济效益的问题，为选冶联合工艺指标调控提供技术支撑。

技术实现思路

1、针对现有技术的不足，本发明旨在提供一种基于不同浮选原矿酸耗条件下氧化精矿产率控制方法。

2、为了实现上述目的，本发明采用如下技术方案：

3、一种基于不同浮选原矿酸耗条件下氧化精矿产率控制方法，包括如下步骤：

4、s1、基于原矿性质，回归浮选氧化精矿酸耗与原矿酸耗关系：

5、根据入选矿石的性质，基于浮选实际生产表现，分别统计原矿的酸耗数据与原矿浮选后得到的氧化精矿的酸耗数据，通过最小二乘法开展回归分析，建立浮选后得到的氧化精矿的酸耗与原矿的酸耗的定量关联关系模型，实现由已知原矿酸耗快速预测氧化精矿酸耗；

6、步骤s2、回归浮选氧化精矿产率与铜、钴回收率关系：

7、基于浮选生产数据，分析不同氧化精矿产率下的氧化精矿铜回收率和氧化精矿钴回收率指标，然后采用最小二乘法开展回归分析，建立氧化精矿产率与氧化精矿铜回收率和氧化精矿钴回收率之间的定量关联模型，明确不同氧化精矿产率条件下浮选作业的铜、钴金属回收水平；

8、步骤s3、建立经济效益评估模型：

9、阴极铜产量=年处理矿石量*原矿铜品位*氧化精矿铜回收率*(浸出率*洗涤效率*萃取电积回收率）；

10、钴金属产量=年处理矿石量*原矿钴品位*氧化精矿钴回收率*（浸出率*洗涤效率*钴系统回收率）；

11、阴极铜生产现金成本=采矿成本+磨矿成本+浮选成本+浸出成本+铜冶炼成本+管理费用+制造费用+销售费用；

12、钴金属生产现金成本=采矿成本+磨矿成本+浮选成本+浸出成本+钴系统成本+管理费用+制造费用+销售费用；

13、阴极铜利润=阴极铜产量*（阴极铜价格-贴水）-阴极铜生产现金成本；

14、钴金属利润=钴金属产量*（钴金属价格*氢氧化钴中钴计价系数）-钴生产现金成本；

15、步骤s4、基于经济效益最优确定目标氧化精矿产率：

16、硫酸成本包含在浸出成本中，结合当前行情条件下硫酸单价以及待入选的浮选原矿对应的原矿酸耗，利用步骤s3构建得到的经济效益评估模型，遵循约束条件逐一求解，以浮选吨矿效益最优为目标，通过改变氧化精矿产率进行求解，得到最大浮选吨矿效益条件下的最优氧化精矿产率；

17、步骤s5、不同硫酸单价、原矿酸耗条件下最优产率测算分析：

18、基于多组测算结果，建立不同硫酸单价、原矿酸耗与最优氧化精矿产率的对应映射关系，便于现场生产人员根据实时硫酸市场价格和原矿性质参数，快速确定当前生产条件下的最优氧化精矿产率控制值，实现选冶联合生产过程的动态效益优化。

19、进一步地，步骤s1的具体过程包括：

20、s1.1、生产数据的收集：在连续半年的生产周期内，针对选冶联合系统处理的氧化铜钴矿，采集得到每天的每吨氧化铜钴矿原矿的酸耗数据与对应的浮选后得到的每吨氧化精矿的酸耗数据，最终获得设定量的有效数据对；

21、s1.2、回归分析采用最小二乘法，以原矿酸耗n为自变量、浮选后得到的氧化精矿的酸耗m为因变量，得到的一元线性回归模型表示如下：

22、；

23、其中，m为浮选后得到的每吨氧化精矿的酸耗，单位为kg/t 矿；n为原矿的酸耗，单位为kg/t 矿；

k1为斜率，

k2为截距；

24、上述一元线性回归模型即为浮选后得到的氧化精矿的酸耗与原矿的酸耗的定量关联关系模型。

25、更进一步地，步骤s1.1中，每天的数据采集过程为：将每天的生产时间划分为两个班次，在每个班次中每隔4小时采集化验得到一次每吨氧化铜钴矿原矿的酸耗数据与对应的浮选后得到的每吨氧化精矿的酸耗数据，然后将每个班次采集得到的数据进行加权平均得到该班的每吨氧化铜钴矿原矿的平均酸耗数据与对应的浮选后得到的每吨氧化精矿的平均酸耗数据，然后对每个班次所得的每吨氧化铜钴矿原矿的平均酸耗数据与对应的浮选后得到的每吨氧化精矿的平均酸耗数据，按照每个班次的矿石量进行加权平均，最终得到当天的每吨氧化铜钴矿原矿的酸耗数据与对应的浮选后得到的每吨氧化精矿的酸耗数据。

26、进一步地，步骤s2的具体过程为：

27、s2.1、 获取选冶联合系统半年内每天的生产数据，包括浮选硫化段的原矿入选品位、硫化精矿品位和硫化段尾矿品位数据；浮选氧化段的原氧化段入选品位、氧化段尾矿品位和氧化精矿品位数据；

28、s2.2、根据步骤s2.1采集得到的生产数据，通过如下公式计算得到氧化精矿产率

γ、氧化精矿铜回收率

ε

cu和氧化精矿钴回收率

ε

co：

29、硫化精矿产率=（原矿入选铜品位-硫化段尾矿铜品位）/（硫化精矿铜品位-硫化段尾矿铜品位）；

30、氧化精矿产率

γ=（原氧化段入选铜品位-氧化段尾矿铜品位）/（氧化精矿铜品位-氧化段尾矿铜品位）*（1-硫化精矿铜产率）；

31、氧化精矿铜回收率

ε

cu=

γ*氧化精矿铜品位/原氧化段入选铜品位；

32、氧化精矿钴回收率

ε

co=

γ*氧化精矿钴品位/原氧化段入选钴品位；

33、s2.3、利用步骤s2.2获得的数据，采用最小二乘法进行回归分析，以氧化精矿产率

γ为自变量并分别以氧化精矿铜回收率

ε

cu和氧化精矿钴回收率

ε

co为因变量进行非线性回归，分别得到氧化精矿产率与氧化精矿铜回收率、氧化精矿产率与氧化精矿钴回收率之间的定量关联模型：

34、；

35、；

36、其中，

k3、

k5表示斜率，

k4、

k6表示截距，

ε

cu为氧化精矿铜回收率， %；

ε

co为氧化精矿钴回收率，%；

γ为氧化精矿产率，%。

37、更进一步地，步骤s2.1中，每天的生产数据的采集过程为：将每天的生产时间划分为两个班次，在每个班次中每隔4小时采集化验得到一次的生产数据；步骤s2.2中，针对每个班次采集得到的生产数据分别计算得到氧化精矿产率

γ、氧化精矿铜回收率

ε

cu

、氧化精矿钴回收率

ε

co，并通过加权计算得到每个班次的平均氧化精矿产率

γ、平均氧化精矿铜回收率

ε

cu和平均氧化精矿钴回收率

ε

co，最后按照每个班次的矿石量对每个班次的平均氧化精矿产率

γ、平均氧化精矿铜回收率

ε

cu

、平均氧化精矿钴回收率

ε

co进行加权平均，最终得到当天的氧化精矿产率

γ、氧化精矿铜回收率

ε

cu和氧化精矿钴回收率

ε

co。

38、进一步地，步骤s4中，所述规划求解的约束条件包括：氧化精矿铜、钴品位富集比≤4，氧化精矿铜品位处于10%-50%之间。

39、进一步地，步骤s5中，建立不同硫酸单价、原矿酸耗与最优氧化精矿产率的对应映射关系中，不同硫酸单价至少包括285$/t、570$/t、716$/t、840$/t；不同原矿酸耗至少包括150kg/t矿、200kg/t矿、250kg/t矿、300kg/t矿、350kg/t矿、400kg/t矿、500kg/t矿、600kg/t矿、700kg/t矿和800kg/t矿。

40、本发明的有益效果在于：

41、本发明通过建立浮选氧化精矿与浮选原矿酸耗之间的定量关联关系模型，以及氧化精矿产率与铜、钴综合回收率之间的定量关联模型，构建以吨矿经济效益为目标函数的选冶联合经济效益评估模型，并将硫酸市场价格、金属市场价格等外部动态因素纳入产率优化决策体系，实现浮选产率的动态优化控制，可以解决现有技术中难以根据原矿性质变化和市场波动动态调整产率控制策略、无法保障全流程经济效益最优的技术问题，达到了选冶系统整体经济效益最大化的目的。具体地：

42、（1）显著提升选冶系统整体经济效益。本发明通过氧化精矿与原矿产率、酸耗之间建立定量关系，以经济效益最大化为目标，规划求解浮选产率的动态优化控制。

43、（2）建立科学的原矿酸耗-浮选产率定量决策依据。本发明首次提出了建立浮选氧化精矿酸耗与原矿酸耗的定量关系以及氧化精矿产率与铜、钴回收率的定量关系，可以为产率控制提供了精确的数据支撑，克服了传统经验调参的主观性和不确定性。

44、（3）动态适应性强。本发明通过建立不同硫酸价格、原矿酸耗与最优产率的完整映射关系，可根据矿石性质变化和市场价格波动实时调整产率控制策略，适用于多种氧化铜钴矿的选冶联合生产场景。

45、（4）操作简便，工业化程度高。 本发明基于实际生产数据建模，无需增加额外设备投入，现场生产人员只需根据实时参数查表即可快速确定最优产率控制目标，具有良好的工业推广应用前景。