青海某矽卡巖型鉛鋅礦干式預選拋廢試驗研究*

羅文成，趙 溪，張 坤，陳昌才，謝紅明

（1.青海鴻鑫礦業有限公司，青海 格爾木 816000；2.贛州好朋友科技有限公司，江西 贛州 341000）

我國鉛鋅礦資源儲量豐富，居世界第二，但資源大礦少、小礦多、富礦少、貧礦多，礦石類型多樣復雜，由于缺乏大型礦山和富礦，使得國內礦產資源開發利用成本較高[1]。在我國經濟進入高質量發展的背景下，如何提高礦產資源利用成為當前熱門研究課題。分揀選礦技術是根據礦石中相關組成成分不同所反映的易被檢測的物理特性的差異，通過對礦石逐一識別，依靠外力將礦石和廢石分離的一種物理分選方法[2]。早在20世紀70年代，第一臺分選設備光選機在國外研發成功并應用于鎢礦，隨著分揀技術的進步和發展，21世紀相繼出現了激發光分選機、核輻射分選機[3]。分揀技術常用在破碎篩分工序，能將礦石中的圍巖或貧礦提前分選出，從而降低磨礦、選別工藝成本，提升產能，減小尾礦庫容積占用，為企業降本增效[4-8]。

青海某矽卡巖型鉛鋅礦采選規模為2 500 t/d，礦石開采方式為露天開采，礦體分為1#、5#礦體，1#礦體鉛品位為0.60%～3.58%，鋅品位為0.95%～4.75%，5#礦體鉛品位為0.51%～4.57%，鋅品位為1.31%～7.70%，地質品位分布不均勻，出礦平均鉛品位1.47%、鋅品位3.43%。隨著開采作業臺階往下推進，采場出礦品位逐年下降，見表1。本次預選拋廢試驗研究對象為1#礦體東部（3 648～3 564）m平臺低品位礦石。

表1 采礦品位生產統計Tab.1 Production statistics of mining grade %

1 礦石性質

1.1 礦石結構及構造

礦石結構以半自形-它形晶粒狀為主，其次為交代結構、蝕變結構以及溶蝕結構等。礦石構造主要為星點狀構造、稀疏-稠密浸染狀構造、細脈狀構造、其次為團塊狀構造、致密塊狀構造。

1.2 礦物組成

礦石礦物組成比較復雜，金屬礦物主要有方鉛礦、鐵閃鋅礦、黃鐵礦、磁黃鐵礦、黃銅礦、菱鐵礦、白鐵礦等，脈石礦物主要有方解石、白云石、石英、透輝石、黑柱石、綠泥石、綠簾石等。

1.3 原礦化學多元素分析

礦石的主要元素化學分析結果見表2。礦石中鉛品位為1.72%，鋅品位為2.57%，銅品位為0.08%，硫品位為18.1%、鐵品位為30.84%。

表2 礦石多元素化學分析結果Tab.2 Multi-elements chemical analysis results of ore %

2 分選試驗

2.1 試驗設備

實驗室試驗設備見表3。

表3 試驗設備明細表Tab.3 List for test equipment

分選機采用贛州好朋友科技公司自主研發的雙能XRT智能分選機，屬于激發光分選機，礦石通過設備給料系統、X射線探測系統、X射線處理引擎、礦石噴射系統完成分選作業。設備分選原理見圖1。

圖1 XRT智能分選機工作原理Fig.1 Working principle of XRT intelligent sorter

2.2 樣品準備

礦樣共5 t，最大粒度為130 mm。采用破碎機破碎至60 mm，經振動篩篩分后，+60 mm礦石返回破碎機破碎，（-60～+10）mm礦石作為分選拋廢試驗物料，-10 mm礦石不做處理。破碎篩分流程見圖2。分選物料粒級組成及金屬分布見表4。

圖2 破碎篩分流程圖Fig.2 Flow chart of crushing and screening

表4 分選物料粒級組成及金屬分布結果Tab.4 Size fraction composition and metal distribution results

表4數據顯示，（-60～+10）mm粒級占比91.78%，該粒級Pb金屬分布率90.18%，Zn金屬分布率90.52%，是礦石分選的粒級對象。

2.3 試驗過程

2.3.1 人工分揀

取試驗物料10 kg進行人工分揀，分揀出來的精礦（高品位礦）和尾礦（貧礦或廢石）送入分選機通過X射線探測系統進行掃描，獲取礦石圖片信息后通過人工智能計算建立圖像識別模型，為后續試驗提供相關參數。

2.3.2 分選探索試驗

取物料500 kg開展探索試驗，初步判斷礦石可分選性。礦石物料水洗后進入緩沖礦倉，通過皮帶輸送機進到分選機分選，分選出來的精礦和尾礦分別稱重和取樣化驗。試驗流程見圖3，試驗結果見表5。

圖3 試驗流程圖Fig.3 Test flow chart

表5 探索試驗結果Tab.5 Explore experiment results %

由表5結果可知，青海某低品位鉛鋅礦具有可分選性，經過分選后礦石鉛品位由1.59%提高到了2.03%，鋅品位由2.32%提高到了2.84%，但尾礦鉛+鋅品位達到了0.90%，高于生產上浮選作業的尾礦品位，金屬損失較高，需要進一步優化設備分選參數。

2.3.3 優化條件試驗

經過人工分揀反復進行X射線掃描識別，形成了一套大數據，優化圖像識別模型后進行了測試，測試結果見表6。測試試驗過程與探索試驗相同。

表6 測試試驗結果Tab.6 Test results %

從表6可以看出，優化圖像識別模型后，在拋廢率相近的條件下，尾礦鉛+鋅品位為0.31%，低于生產浮選作業尾礦鉛+鋅品位0.4%，金屬損失較少。

為進一步查明拋廢率與尾礦金屬損失之間的關系，開展了拋廢率分選試驗，通過建立高、中、低圖像識別模型，從而在分選過程中獲得不同的拋廢率，試驗過程與探索試驗相同，試驗結果見表7。

表7 試驗結果Tab.7 Test results %

由表7可知，隨著拋廢率的提高，尾礦中的鉛、鋅品位逐漸上升，金屬損失也較大。結合生產上鉛、鋅尾礦品位綜合分析，低品位礦分選拋廢率適宜控制在25%以下。

2.3.4 擴大試驗

充分結合礦區地處青藏高原腹地，極寒結冰周期較長，選廠不具備水洗條件，擴大試驗采用濕式和干式分選分別進行充分驗證，試驗過程同上，試驗礦量4 t。試驗結果見表8。

表8 擴大試驗結果Tab.8 Expanding test results %

由表8可以看出，濕式分選條件下，拋廢率為25.93%，尾礦含鉛品位0.14%，含鋅品位0.24%，精礦富集比為1.31，干式分選條件下拋廢率為26.03%，尾礦含鉛品位0.10%，含鋅品位0.23%，精礦富集比為1.33。無論是濕式還是干式條件下，分選指標均達到了預期效果，分選效果較為理想，干式分選優于濕式分選，也適合選廠的現實條件。

3 結語

1）青海某矽卡巖型低品位鉛鋅礦通過干式預選拋廢，獲得了拋廢率26.03%，尾礦鉛+鋅品位0.33%，鉛金屬損失1.73%，鋅金屬損失2.68%的指標；

2）礦石預選拋廢試驗只針對露天采礦1#礦體東部（3 648～3 564）m平臺低品位礦石開展了研究，未對當期選廠處理礦石進行系統研究，下一步將對當期礦石開展工業驗證試驗；

3）選廠年處理礦石量為75萬t，按照作業拋廢率26.03%折算成全流程拋廢率17.21%計算，每年可減少12.91萬t廢石進入磨浮流程，可節約生產成本982.45萬元/a。另外12.91萬t的廢石未進入尾礦庫，節約尾礦庫占用費401.76萬元，經濟效益顯著。