当前位置:主页 > 科技论文 > 矿业工程论文 >

浮选泡沫性质与精煤灰分的相关性研究

发布时间:2020-11-15 23:30
   精煤灰分是煤炭行业中一个十分重要的指标,浮选精煤灰分通常高于重选而必须严格控制以实现全厂经济效益最大化。在现场,浮选操作司机只能依据经验对浮选操作参数进行实时调节,因为实验室要得到精确的浮选结果需通过长时间的采样、过滤、烘干、制样和烧灰这样一个流程。无法获得浮选精煤产品灰分精确的实时反馈限制了浮选控制的发展,一旦浮选入料发生波动会导致大量精煤产品不达标,浮选精煤灰分的实时监测亟待解决。本文将对浮选泡沫性质和精煤灰分的相关性进行研究,以找到解决上述问题的方法。煤炭浮选入料粒度和密度范围广,其中极粗(0.5 mm左右)和极疏水(接触角大于65°)的颗粒会引起与常规泡沫性质不同的规律。首先对不同粒度、密度颗粒对泡沫性质的影响进行研究。将煤炭浮选入料分为粗、中、细三个粒度级分别进行单独和混合浮选,在入料性质不同而操作条件相同的情况下,分析各粒级煤炭的浮选精煤产率和灰分,以及相应的浮选泡沫性质,包括水回收率、均一性(气泡尺寸)、破裂气泡尺寸、破裂气泡个数和泡沫速度。同时研究了不同密度级颗粒对泡沫性质和粗颗粒回收的影响。文中通过分析粗颗粒产率、水回收率、精煤重量组成、泡沫灰度和高于溢流堰高度,提出不同密度细颗粒提高粗颗粒回收的两点机理,对于疏水颗粒,颗粒疏水性和易浮颗粒总量影响动态泡沫稳定性和溢流泡沫体积,对于亲水颗粒,夹带在泡沫网络中的颗粒总量影响液体排液,这些关键的泡沫性质从不同方面影响粗颗粒的回收。浮选操作条件影响泡沫性质及其与精煤灰分的相关性。在不同起泡剂用量、充气表观气速和泡沫层厚度时,浮选精煤灰分随着水回收率、泡沫灰度和泡沫速度呈线性增加,浮选精煤灰分随着泡沫均一性呈线性降低。泡沫层薄时,各泡沫性质与精煤灰分的变化范围较泡沫层厚时更为显著。在所有操作条件均改变时,泡沫均一性与浮选精煤灰分的拟合效果最好,文中通过二次多项式进行拟合,泡沫均一性、水回收率、泡沫灰度和泡沫速度的拟合的决定系数R2分别为0.903、0.809、0.630和0.543。研究发现与泡沫几何结构相关的泡沫性质与精煤灰分的相关性最好。本文还提出了一个基于泡沫结构的精煤灰分模型,通过假设部分条件,使用Kelvin泡沫结构单元定量泡沫几何结构,表示液含量和精煤灰分。泡沫排液引起泡沫结构改变并影响产品灰分。为准确地比较两相与三相泡沫排液机制的改变,本文首先以两相泡沫为例,探讨不同强制排液试验条件对幂指数的影响,还研究了三相泡沫中颗粒在排液过程中的行为。研究发现在干燥时间较短的湿泡沫中来自普朗图边界的粘滞损失增加,对于泡沫不稳定性,研究发现随着泡沫液含量的增加,排液幂指数α从0.38增加到0.47,充分说明了泡沫不稳定性对排液幂指数的影响。本文将不同泡沫液含量时的强制排液过程分成上升区、混合区和对流区这三个分区,并针对对流不稳定性临界液含量的计算提出两种改进方法。本文建议传统强制排液试验应在较低液含量时分析排液机制才可信。在加入颗粒的三相强制排液中,泡沫普朗图边界的粘滞损失增大,泡沫通透性降低。在不同灰分颗粒的三相排液试验中,发现当排液时间短时,泡沫中残留颗粒质量随着颗粒灰分的增加而降低,说明越疏水的颗粒越容易与气泡粘附,越不易被排液的水流所影响而返回矿浆。
【学位单位】:中国矿业大学
【学位级别】:博士
【学位年份】:2018
【中图分类】:TD94;TD923
【部分图文】:

颗粒,浮选泡沫,疏水,黑色颗粒


包括浮选水力动力学、气泡和颗粒间作用、泡沫行已被广泛应用于工业领域,如矿物加工、废水处理、废纸回域,疏水颗粒粘附在气泡表面并随着泡沫溢流实现分离。泡精矿槽,同时泡沫可以气泡清洁矿物和提升品位的作用。沫相简介0 世纪 90 年代开始,泡沫外貌开始被用来监控浮选过程和预在很多金属矿浮选中,已有对浮选泡沫和精矿品位关系的研研究对于提高浮选自动控制和高效生产具有重要意义。浮选水颗粒和提升矿物品位方面起到重要作用。图 2-1 为浮选泡粘附在液膜上,亲水颗粒夹带在气泡间并可随着排液返回矿破裂随着液膜的破裂而发生。在泡沫浮选中,小且圆的气泡其含水量高,而泡沫上部的气泡由于排液和兼并形成多边形低。对于疏水精矿来说,在干泡沫中通常品位高,因为泡沫矸石矿物的夹带。

表面气泡,泡沫层,气泡,算法流程图


需要在更多机理方面再深入研究。H t nen 建立了图像处理系统,并向有经验的操作工进行调查,最终建立泡沫分类器,H t nen 研究了三种图像处理算法,泡沫速度、空间运动的均匀性和气泡破灭率,并将泡沫分类为三种,粘滞的、潮湿的和干燥的[6]。Runge 等使用 Visiofroth 系统提取图像中泡沫速度、气泡尺寸、气泡破裂率和不同的泡沫颜色参数,分析发现精矿吨流量与泡沫速度紧密相关,而精矿品位与泡沫速度和泡沫稳定性最为相关[70]。Jahedsaravani等利用神经网络模型建立了泡沫特征与浮选效果的相关关系,并使用气泡破裂率来表征泡沫稳定性[13]。Kaartinena 等运用多相机控制系统与专家控制器,选择的变量为:泡沫颜色、气泡尺寸分布、泡沫速度、泡沫破灭率、气泡负载,并研究锌品位和泡沫参数的关系,红色越深,品位越高,气泡破灭率越低[53]。Cao 等研究了铝土矿品位预测模型,采取分布式综合预测模型,利用多核最小二乘支持向量机和小波极限学习机,建立预测模型和剩余补偿模型。预测效果好,相对误差 6%。采用的图像变量为:泡沫颜色、泡沫速度、气泡尺寸、泡沫负载、纹理特征和气泡破灭率[31]。

图边,泡沫结构,液膜,顶点


Behaviours)水回收率和气泡尺寸等泡沫性质的影响,为紧密相关。在此,用两相泡沫作为基准分分别介绍泡沫排液、气泡兼并、气泡粗结构膜(lamellae)、普朗图边界(Plateau bord示[15, 142-144]。液膜在普朗图边界汇集成线,泡沫衰变的生命时间中,泡沫排液、气泡气泡接近球形,而经过排液干燥后,气泡如图 2-3 所示,液含量为 0.26 时,气泡接设泡沫有单分散十四面体(Kelvin 单元)为普朗图通道的长度,L,和曲率半径,r, 0 . 1 7 1 1

本文编号:2885341

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/kuangye/2885341.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户4a2a6***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com