1.本发明涉及矿物加工技术领域，具体而言，涉及磁黄铁矿的产率和回收率的预测方法及其应用，更具体地，涉及磁黄铁矿的产率和回收率的预测方法、磁黄铁矿的选别方法和选矿方法。
背景技术：2.磁黄铁矿是一种广泛分布在各类有色金属矿床中的硫化矿物，其可用于提取硫，生产硫酸；还可用于含重金属废水的净化处理。因此，磁黄铁矿的选别方法的研究一直是矿物加工领域的热点研究问题之一。
3.对此，现有技术中提供了包括磁选、浮选等在内的磁黄铁矿选别的方法。但是，这些方法普遍存在着以下问题中的一种或多种：
4.(1)现有公开的技术方法基本都是工艺流程方法，但是对于如何根据样品的实际情况，评价(或预测)指标应该达到一个什么范围即认为合理，达到了(或接近)最大的回收率的相关的研究及方法，尚属空白。
5.(2)未考虑到造成最终选别效果的影响因素是多种的。磁黄铁矿粒度组成、磁黄铁矿矿物量在样品中的多少、不同类型的磁黄铁矿的比例等因素都可能造成工艺流程、工艺参数以及最终选别指标的改变。
6.(3)给出了选别的方法、流程(如用磁选、用浮选)，但具体的工艺条件参数未给出，从而造成后续研究人员即便按照给出的方法，由于没有准确的工艺参数，依旧很难得出较好的效果。
7.(4)阐述了用什么方法选别磁黄铁矿，但未具体指出选出的是哪一类的磁黄铁矿，或者未考虑样品中可能同时存在多种类型的磁黄铁矿，只选择一种方法进行选别。
8.有鉴于此，特提出本发明。
技术实现要素：9.本发明的第一目的在于提供一种磁黄铁矿的产率和回收率的预测方法，该预测方法所计算得到的理论最大产率和理论最大回收率的误差小。
10.本发明的第二目的在于提供一种磁黄铁矿的选别方法。
11.本发明的第三目的在于提供一种选矿方法。
12.为了实现本发明的上述目的，特采用以下技术方案：
13.本发明提供了一种磁黄铁矿的产率(最大产率)和回收率(最大回收率)的预测方法(即磁黄铁矿的理论最大产率和理论最大回收率的计算方法)，所述磁黄铁矿的产率和回收率的预测方法包括如下步骤：
14.(a)判断待处理矿石中的磁黄铁矿的晶体结构类型，并计算待预测矿石中的单斜磁黄铁矿的含量(质量百分含量)md和/或六方磁黄铁矿的含量(质量百分含量)m
l
。
15.具体地，当待预测矿石中只含有单斜磁黄铁矿时，则仅需要计算待预测矿石中的
单斜磁黄铁矿的含量，例如计算单斜磁黄铁矿在待预测矿石中所占的质量百分比含量。
16.当待预测矿石中只含有六方磁黄铁矿时，则仅需要计算待预测矿石中的六方磁黄铁矿的含量，例如计算六方磁黄铁矿在待预测矿石中所占的质量百分比含量。
17.当待预测矿石中同时含有单斜磁黄铁矿和六方磁黄铁矿时，则需要同时计算待预测矿石中的单斜磁黄铁矿的含量以及六方磁黄铁矿的含量。例如分别计算单斜磁黄铁矿在待预测矿石中所占的质量百分比含量，以及六方磁黄铁矿在待预测矿石中所占的质量百分比含量。
18.在本发明中，若待预测矿石中只含有单斜磁黄铁矿和六方磁黄铁矿中的一种时，则在以下各个步骤中则只需统计、计算或检测所含有的单一的磁黄铁矿种类。当待预测矿石中同时含有单斜磁黄铁矿和六方磁黄铁矿时，则以下各个步骤中需要同时统计、计算或检测两种不同类型的磁黄铁矿的相关参数。
19.(b)统计待预测矿石中的单斜磁黄铁矿和/或六方磁黄铁矿在不同粒径范围内的颗粒个数，并统计在每一个粒径范围内的最大粒径值和最小粒径值，然后根据所述统计的结果计算变量d；其中，
20.其中，a为小于0.02mm粒径范围内的最大粒径值；b为小于0.02mm粒径范围内的最小粒径值；n为小于0.02mm粒径范围内的颗粒的个数；a为所在粒径范围内的最大粒径值；b为所在粒径范围内的最小粒径值；n为所在粒径范围内的颗粒的个数；m为粒径范围的划分等级个数。
21.具体地，所述粒径范围的划分标准可以划分为2个级别(等级)、3个级别、4个级别、5个级别、6个级别、8个级别或10个级别。所划分的级别(等级)越多，即划分的越细，越有利于减少误差。上述m即代表粒径范围划分等级(级别)的个数。即，m可以为2、3、4、5、6、8或10。
22.其中，至少需要设置粒径小于0.02mm的粒径范围的标准。
23.例如，统计粒径小于0.02mm范围内的颗粒个数，以及，在该范围内的最大粒径值和最小粒径值。同时，统计粒径不小于0.02mm范围内的颗粒个数，以及，在该范围内的最大粒径值和最小粒径值。这种情况下即划分为2个级别(等级)，m＝2。
24.再例如，分别统计粒径小于0.02mm范围内的颗粒个数，粒径在0.02～0.5mm范围内的颗粒个数，以及，粒径大于0.5mm范围内的颗粒个数；同时，统计上述各个范围内的最大粒径值和最小粒径值。这种情况下即划分为3个级别(等级)，m＝3。
25.(c)计算待预测矿石中的粒径小于0.02mm的单斜磁黄铁矿的含量(质量百分比含量)kd和/或粒径小于0.02mm的六方磁黄铁矿的含量(质量百分比含量)k
l
。
26.其中，待预测矿石中的粒径小于0.02mm的单斜磁黄铁矿的含量kd＝md×
d；待预测矿石中的粒径小于0.02mm的六方磁黄铁矿的含量k
l
＝m
l
×
d。
27.(d)分别计算所述磁黄铁矿的最大产率和最大回收率；
28.当待处理矿石中的磁黄铁矿的晶体结构类型仅为单斜磁黄铁矿时，磁黄铁矿的理论最大产率yd＝m
d-kd×
qd，其中，qd为弱磁选过程中的损失系数，qd＝0.4～0.6；磁黄铁矿的理论最大回收率hd＝yd/md×
100％；
29.当待处理矿石中的磁黄铁矿的晶体结构类型仅为六方磁黄铁矿时，磁黄铁矿的理论最大产率y
l
＝m
l-k
l
×ql
，其中，q
l
为强磁选过程中的损失系数，q
l
＝0.4～0.6；磁黄铁矿的理论最大回收率h
l
＝y
l
/m
l
×
100％；
30.当待处理矿石中的磁黄铁矿的晶体结构类型同时含有单斜磁黄铁矿和六方磁黄铁矿时，所述磁黄铁矿的理论最大产率包括弱磁选最大产率y
弱
和强磁选最大产率y
强
；所述磁黄铁矿的理论最大回收率包括弱磁选最大回收率h
弱
和强磁选最大回收率h
强
；
31.其中，y
弱
＝m
d-kd×
qd；
32.y
强
＝kd×
qd+(m
l-k
l
×ql
)；
33.自然界中同时存在单斜和六方两种不同晶体结构的磁黄铁矿，单斜磁黄铁矿具强磁性，六方磁黄铁矿只具有弱磁性。由于不同晶体结构的磁黄铁矿在磁性上往往具有较大的差异，因此导致在磁选过程中，面临着例如：如何基于实际样品中不同晶体结构磁黄铁矿的比例选择合理工艺原则流程、如何调整相应工艺参数才可能最大限度地将不同的磁黄铁矿都实现高效分离、如何预测或判别磁选精矿回收率指标的合理性等技术问题。
34.同时，矿物颗粒的粒度、磁性矿物在样品中的矿物量等都可能影响选别的效果。尤其是细磨产品的磁选，当微细粒级的磁黄铁矿占比大时会对选别效果有着明显的影响。
35.因此，本发明通过对磁黄铁矿的晶体结构类型进行划分，分别计算单斜磁黄铁矿和六方磁黄铁矿在待预测矿石中的含量，并统计待预测矿石中的单斜磁黄铁矿和/或六方磁黄铁矿在不同粒径范围内的颗粒个数，以及每个粒径范围内的最大粒径值和最小粒径值，然后分别计算待预测矿石中的粒径小于0.02mm的单斜磁黄铁矿的含量和待预测矿石中的粒径小于0.02mm的六方磁黄铁矿的含量，最后分别计算得到最大理论产率和最大理论回收率，能够减小预测的误差，提高准确性。由此测算出的最大理论回收率、最大理论产率的指标更贴近实际情况，从而为生产指标的确立提供了准确的指导。
36.优选地，步骤(a)中，所述判断待处理矿石中的磁黄铁矿的晶体结构类型的方法包括：
37.对待处理矿石进行x射线衍射分析，得到x射线衍射图谱；然后根据所述x射线衍射图谱判断磁黄铁矿的晶体结构类型；
38.优选地，所述磁黄铁矿的晶体结构类型的判定方法具体包括：当所述x射线衍射图谱在2θ＝42
°
～46
°
(包括但不限于42.2
°
、42.4
°
、42.5
°
、42.7
°
、42.9
°
、43
°
、43.2
°
、43.4
°
、43.6
°
、43.8
°
、44
°
、44.2
°
、44.5
°
、44.8
°
、45
°
、45.3
°
、45.5
°
、45.8
°
中的任意一者的点值或任意两者之间的范围值)处存在双峰且所述双峰的强度之差的绝对值小于0.5(还可以选择0.45、0.4、0.35、0.3、0.25、0.2或0.1)时，判定所述磁黄铁矿的晶体结构类型为单斜磁黄铁矿；
39.或者，当所述x射线衍射图谱在2θ＝42
°
～46
°
(包括但不限于42.2
°
、42.4
°
、42.5
°
、42.7
°
、42.9
°
、43
°
、43.2
°
、43.4
°
、43.6
°
、43.8
°
、44
°
、44.2
°
、44.5
°
、44.8
°
、45
°
、45.3
°
、45.5
°
、45.8
°
中的任意一者的点值或任意两者之间的范围值)处为单峰且其峰形平滑而不存在分叉时，判定所述磁黄铁矿的晶体结构类型为六方磁黄铁矿；
40.或者，当所述x射线衍射图谱在2θ＝42
°
～46
°
(包括但不限于42.2
°
、42.4
°
、42.5
°
、
42.7
°
、42.9
°
、43
°
、43.2
°
、43.4
°
、43.6
°
、43.8
°
、44
°
、44.2
°
、44.5
°
、44.8
°
、45
°
、45.3
°
、45.5
°
、45.8
°
中的任意一者的点值或任意两者之间的范围值)处为单峰且其峰形存在分叉时，判定所述磁黄铁矿的晶体结构类型同时包括单斜磁黄铁矿和六方磁黄铁矿。
41.具体地，当x射线衍射图谱在2θ＝44
°
左右处分裂出两个强度相当的峰形时，特征峰分裂的两个峰的2θ和d
102
值分别为2θ＝43.92
°
，d
102
＝2.0597；2θ＝44.16
°
，则认为样品中的磁黄铁矿为单斜磁黄铁矿。当x射线衍射图谱在2θ＝44
°
左右处有细小分叉，但不明显相对平滑，的强度明显弱于主峰时，则认为样品中同时存在单斜磁黄铁矿和六方磁黄铁矿两种类型。当x射线衍射图谱在2θ＝44
°
左右处为平滑的锐角度单一峰时，则认为样品中的磁黄铁矿为六方磁黄铁矿。
42.优选地，步骤(a)中，所述计算待预测矿石中的单斜磁黄铁矿的含量md和/或六方磁黄铁矿的含量m
l
的方法包括：
43.首先，对待预测矿石进行化学多元素分析，并根据所述化学多元素分析的结果计算出磁黄铁矿中的铁元素在待预测矿石中所占的质量百分比含量(质量分数)fes。
44.其中，在所述进行化学多元素分析后，能够获得样品中的fe、cu、s、sio2、cao、mgo、al2o3等的质量百分比含量(质量分数)，然后，用待预测矿石中铁元素的总含量减去其他含铁矿物中的铁元素的含量，即可获得磁黄铁矿中的铁元素在待预测矿石中所占的质量百分比含量fes。
45.例如，一个样品中通过化学多元素分析fe含量为3％，cu含量为0.2％，含铁的矿物包括了磁黄铁矿(化学式为fe
1-x
s)和黄铜矿(化学式为cufes2，铁含量为30.52％，铜含量为34.56％)，而含铜的矿物只为黄铜矿，此时可通过cu的含量计算黄铜矿的矿物量为2％
÷
34.56％
×
100＝5.79％。则黄铜矿中的fe含量为：5.79
×
30.52％＝1.77％，则磁黄铁矿中的铁含量为3％-1.77％＝1.23％。
46.然后，对若干个(包括但不限于30、40、50、60、70、80、90、100、150或200个)所述单斜磁黄铁矿和/或所述六方磁黄铁矿中的铁元素的含量进行检测，并计算铁元素在磁黄铁矿中所占的平均质量百分比含量w
fe
。
47.即，分别计算每个待预测矿石中的单斜磁黄铁矿颗粒和/或六方磁黄铁矿颗粒中的铁元素的含量，然后再取各含量数值的平均值，即为w
fe
。其中，所选取的颗粒数越多，最终所得的预测结果越准确。
48.当待预测矿石中只含有单斜磁黄铁矿和六方磁黄铁矿中的一种时，则只需检测所含有的对应的磁黄铁矿种类；当待预测矿石中同时含有单斜磁黄铁矿和六方磁黄铁矿时，则需要同时检测这两种磁黄铁矿。
49.在本发明一些具体的实施方式中，在所述对若干个所述单斜磁黄铁矿和/或所述六方磁黄铁矿中的铁元素的含量进行检测的过程中，还包括测量每个单斜磁黄铁矿颗粒和/或所述六方磁黄铁矿颗粒的面积的步骤。以便获得sd和s
l
。
50.最后，根据所述fes和所述w
fe
计算待预测矿石中的单斜磁黄铁矿的含量md和/或待预测矿石中的六方磁黄铁矿的含量m
l
，其中，
51.其中，sd为若干个单斜磁黄铁矿的颗粒的总面积(即若干个单斜磁黄铁矿颗粒的面积之和)，s
l
为若干个六方磁黄铁矿的颗粒的总面积(即若干个六方磁黄铁矿颗粒的面积之和)。
52.当待预测矿石中只含有单斜磁黄铁矿时，则s
l
＝0。
53.当待预测矿石中只含有六方磁黄铁矿时，则sd＝0。
54.优选地，所述对若干个所述单斜磁黄铁矿和/或所述六方磁黄铁矿中的铁元素的含量进行检测的过程中，所述检测的方法包括电子探针分析和/或扫描电镜分析。
55.优选地，所述单斜磁黄铁矿和/或所述六方磁黄铁矿所检测的颗粒个数不小于20个；还可以选择25个、30个、40个或50个。
56.优选地，所述单斜磁黄铁矿和所述六方磁黄铁矿所检测的颗粒的总个数不小于50个，还可以选择70个、80个、100个或150个。
57.优选地，步骤(b)中，所述粒径范围的划分标准包括：粒径小于0.02mm、粒径为0.02～0.043mm、粒径为0.043～0.074mm、粒径为0.074～0.15mm和粒径大于0.15mm。则此时m＝5。
58.优选地，步骤(b)中，采用反光显微镜进行所述统计。
59.本发明还提供了一种磁黄铁矿的选别方法，包括如下步骤：
60.判断待处理矿石中的磁黄铁矿的晶体结构类型，并根据所述晶体结构类型进行磁选；
61.其中，当所述磁黄铁矿的晶体结构类型仅为单斜磁黄铁矿时，进行弱磁选；
62.或者，当所述磁黄铁矿的晶体结构类型仅为六方磁黄铁矿时，进行强磁选；
63.或者，当所述磁黄铁矿的晶体结构类型同时包括单斜磁黄铁矿和六方磁黄铁矿时，依次进行弱磁选和强磁选(即先进行弱磁选，后进行强磁选)。
64.本发明通过对磁黄铁矿的晶体结构类型进行判断，并根据晶体结构类型选择磁选的方法，这样实际得到的磁黄铁矿的产率和回收率，与上述预测方法所获得的产率和回收率的数值更为接近。并且，该选别方法能够实现对不同种类的磁黄铁矿高效分离。
65.在本发明一些具体的实施方式中，所述弱磁选在永磁性滚筒弱磁机中进行，所述强磁选在高梯度强磁选机中进行。
66.在本发明一些具体的实施方式中，判断待预测矿石中的磁黄铁矿的具体种类(单斜磁黄铁矿和六方磁黄铁矿)的方法可以选择x射线衍射分析。通过对待处理矿石进行x射线衍射分析后所得的x射线衍射图谱，判断磁黄铁矿的具体种类。
67.优选地，所述弱磁选过程中的磁场强度为0.1t～0.2t；包括但不限于0.11t、0.12t、0.13t、0.14t、0.15t、0.16t、0.17t、0.18t、0.19t中的任意一者的点值或任意两者之间的范围值。
68.优选地，所述强磁选过程中的磁场强度为0.2t～0.3t，包括但不限于0.21t、0.22t、0.23t、0.24t、0.25t、0.26t、0.27t、0.28t、0.29t中的任意一者的点值或任意两者之间的范围值。
69.优选地，在所述磁选之前，所述待处理矿石经过磨矿处理。
70.磨矿处理是指在机械设备中，借助于介质(如钢球、钢棒、砾石)和矿石本身的冲击和磨剥作用，使矿石的粒度进一步变小，直至研磨成粉末的处理方法。
71.在本发明一些具体的实施方式中，以实际给矿确立的磨矿细度为标准，对样品进行磨矿处理，磨矿细度确立时应选择尽可能让磁黄铁矿单体解离的细度。
72.优选地，所述磨矿处理至所述待处理矿石中的磁黄铁矿单体的解离度大于90％，包括但不限于91％、92％、93％、94％、95％、96％、97％、98％、99％中的任意一者的点值或任意两者之间的范围值。
73.本发明还提供了一种选矿方法，包括如上所述的磁黄铁矿的产率和回收率的预测方法，以及，如上所述的磁黄铁矿的选别方法。
74.该选矿方法获得的理论最大产率、理论最大回收率分别与实际产率、实际回收率的一致度高，误差小。
75.与现有技术相比，本发明的有益效果为：
76.(1)本发明所提供的磁黄铁矿的产率和回收率的预测方法，能够减小理论最大产率和理论最大回收率的预测误差，提高了预测的准确性。
77.(2)本发明所提供的选别方法，与上述预测方法所获得的理论产率和理论回收率更为接近。并且，该选别方法能够实现对不同种类的磁黄铁矿高效分离。
附图说明
78.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
79.图1为本发明实施例1提供的硫精矿样品的x射线衍射图谱。
具体实施方式
80.下面将结合具体实施方式对本发明的技术方案进行清楚、完整地描述，但是本领域技术人员将会理解，下列所描述的实施例是本发明一部分实施例，而不是全部的实施例，仅用于说明本发明，而不应视为限制本发明的范围。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。
81.实施例1
82.本实施例提供了一种硫精矿中的磁黄铁矿的产率和回收率的预测方法，其中，硫精矿中的主要矿物为磁黄铁矿、黄铜矿，还含有少量的闪锌矿、方铅矿，因此需要对其中的磁黄铁矿进行分离，达到脱硫的目的。所述的预测方法包括如下步骤：
83.(1)判断硫精矿中的磁黄铁矿的晶体结构类型：对硫精矿样品进行x射线衍射分析，得到x射线衍射图谱，如图1所示。从图1可以看出，2θ＝44
°
左右处的特征峰为单峰且存在细小分叉，即，硫精矿样品中同时存在单斜磁黄铁矿和六方磁黄铁矿两种类型。
84.然后，计算待预测矿石中的单斜磁黄铁矿的质量百分比含量md和六方磁黄铁矿的质量百分比含量m
l
：
85.(a)对硫精矿样品进行包括fe元素在内的部分化学多元素分析，结果如下表1所
示。
86.表1硫精矿样品的化学多元素分析
87.化学成分fescuznsio2cao含量(wt.％)44.5827.053.810.377.786.13化学成分mgoal2o3k2ona2oas 含量(wt.％)1.001.360.200.141.43 88.(b)硫精矿样品中的含铁矿物包括磁黄铁矿、黄铜矿、闪锌矿等矿物，通过铜的含量计算出黄铜矿的含量，进一步计算出黄铜矿中铁的含量，通过锌的含量计算出闪锌矿的矿物量，进一步计算出闪锌矿中的铁含量，用总铁(即铁元素在硫精矿样品中的总含量)减去这些含铁矿物中的铁矿量，则磁黄铁矿中铁的含量fes＝41.12％。
89.(c)采用扫描电镜对硫精矿样品中磁黄铁矿(包括单斜磁黄铁矿和六方磁黄铁矿)的颗粒进行铁元素的质量百分比含量分析，共分析了100颗(由于数据太多中间90组未列出)，同时对每个颗粒的面积进行测量，相关数据见表2。
90.表2硫精矿样品中磁黄铁矿颗粒的测量结果
91.92.即，铁元素在磁黄铁矿中所占的平均质量百分比含量w
fe
＝60.94％。
93.可见，单斜磁黄铁矿颗粒的总面积：六方磁黄铁矿颗粒的总面积＝239892:127524＝1.88:1。
94.(d)根据(b)和(c)中的结果，计算硫精矿样品中的单斜磁黄铁矿的矿物量(质量百分比含量)：
[0095][0096]
计算硫精矿样品中的六方磁黄铁矿的矿物量(质量百分比含量)，为：
[0097][0098]
(2)计算变量d，并计算硫精矿样品中的粒径小于0.02mm的单斜磁黄铁矿的含量kd和粒径小于0.02mm的六方磁黄铁矿的含量k
l
：
[0099]
采用反光显微镜，统计硫精矿样品中的单斜磁黄铁矿和六方磁黄铁矿在不同粒径范围内的颗粒个数，并统计在每一个粒径范围内的最大粒径值和最小粒径值，结果见表3。
[0100]
表3磁黄铁矿的粒度大小和颗粒个数的统计结果
[0101][0102]
根据上述结果计算变量d(其中m＝5)：
[0103][0104]
因此，kd＝md×
d＝44.06％
×
16.65％＝7.34％。
[0105]kl
＝m
l
×
d＝23.42％
×
16.65％＝3.90％。
[0106]
(3)分别计算所述磁黄铁矿的最大产率和最大回收率(其中qd和q
l
均取0.5，该值是依据磁黄铁矿纯矿物磁性试验统计大量数据的经验数值而设置)：
[0107]
弱磁选理论最大产率y
弱
＝m
d-kd×
qd＝44.06％-7.34％
×
0.5＝40.39％。
[0108]
强磁选理论最大产率y
强
＝kd×
qd+(m
l-k
l
×ql
)＝7.34％
×
0.5+(23.42％-3.90％
×
0.5)＝25.14％。
[0109]
弱磁选理论最大回收率
[0110]
强磁选理论最大回收率
[0111]
实施例2
[0112]
本实施例提供了一种磁黄铁矿的选别方法，包括如下步骤：
[0113]
(1)硫精矿样品(该样品与实施例1所采用的样品相同)处理：
[0114]
以实际给矿确立的磨矿细度为标准，对样品进行磨矿处理。磨矿细度在小于0.074mm占80％时，硫精矿样品中的黄铜矿单体解离度为92％，磁黄铁矿的单体解离度为95％，有价矿物和磁黄铁矿基本都已经完全解离。
[0115]
(2)对硫精矿样品进行x射线衍射分析：
[0116]
根据实施例1所得到的x射线衍射图谱可知，该硫精矿样品中同时含有在单斜磁黄铁矿和六方磁黄铁矿。
[0117]
(3)根据所述晶体结构类型进行磁选：由步骤(2)可知，所述磁黄铁矿的晶体结构类型同时包括单斜磁黄铁矿和六方磁黄铁矿。因此确定磁选的方案为：先对硫精矿样品进行弱磁选，将粒度大于0.02mm以上的单斜磁黄铁矿优先选出；然后再进行强磁选，选别六方磁黄铁矿和0.02mm以下粒度的单斜磁黄铁矿。这样能尽可能地将磁黄铁矿脱除干净。
[0118]
具体地，在采用永磁性滚筒进行弱磁选时，所选择的磁场强度为0.1t。在采用高梯度强磁机进行强磁选时，所选择的磁场强度为0.2t。获得的磁黄铁矿的产率、品位及回收率结果见表4。
[0119]
其中，弱磁精矿的产率的计算方法为：202.12
÷
502.4
×
100％＝40.23％。
[0120]
强磁精矿的产率的计算方法为：125.90
÷
502.4
×
100％＝25.06％。
[0121]
弱磁精矿的回收率的计算方法为：40.23
÷
44.06
×
100％＝91.31％。
[0122]
强磁精矿的回收率的计算方法为：25.06
÷
(44.06-40.23+23.42)
×
100％＝91.96％。
[0123]
其中，弱磁精矿的回收率计算过程中的“44.06％”为实施例1中计算所得的硫精矿样品中的单斜磁黄铁矿的矿物量md。强磁精矿的回收率计算过程中的“23.42％”为实施例1中计算所得的硫精矿样品中的六方磁黄铁矿的矿物量m
l
。
[0124]
表4磁黄铁矿的产率、品位及回收率结果
[0125]
磁选方法磁场强度产品名称重量(g)产率(％)回收率(％)弱磁选0.1t弱磁精矿202.1240.2391.31强磁选0.2t强磁精矿125.9025.0691.96
ꢀꢀ
尾矿174.3834.71
ꢀꢀꢀ
给矿502.4100 [0126]
将实施例1的理论最大产率、理论最大回收率与实施例2的实际产率、和实际回收率进行列表对比，如下表5所示，可以看出，采用本发明所提供的预测方法所得到的理论最大产率以及理论最大回收率的数值与实际选矿所得的数值基本一致。因此，利用本发明所提供的预测方法可对相关指标进行有效的预测或评估。
[0127]
表5实施例1与实施例2所得结果对比
[0128][0129]
对比例1
[0130]
本对比例所提供的磁黄铁矿的选别方法与实施例2基本相同，区别仅在于，步骤(3)中，进行弱磁选时所选择的磁场强度为0.3t；并且，进行强磁选时所选择的磁场强度为0.5t。
[0131]
获得的磁黄铁矿的产率、品位及回收率结果见表6。
[0132]
表6磁黄铁矿的产率、品位及回收率结果
[0133]
磁选方法磁场强度产品名称重量(g)产率(％)回收率(％)弱磁选0.3t弱磁精矿238.9845.91104.21强磁选0.5t强磁精矿112.221.5699.96
ꢀꢀ
尾矿169.3132.53
ꢀꢀꢀ
给矿520.49100 [0134]
其中，在该对比例1中：
[0135]
弱磁精矿的产率的计算方法为：238.98
÷
520.49
×
100％＝45.91％。
[0136]
强磁精矿的产率的计算方法为：112.2
÷
520.49
×
100％＝21.56％。
[0137]
弱磁精矿的回收率的计算方法为：45.91
÷
44.06
×
100％＝104.21％。
[0138]
强磁精矿的回收率的计算方法为：21.56％
÷
(45.91-44.06+23.42)＝91.96％。
[0139]
其中，弱磁精矿的回收率计算过程中的“44.06％”为实施例1中计算所得的硫精矿样品中的单斜磁黄铁矿的矿物量md。强磁精矿的回收率计算过程中的“23.42％”为实施例1中计算所得的硫精矿样品中的六方磁黄铁矿的矿物量m
l
。
[0140]
由于在弱磁阶段加强了磁场强度，除了将全部的单斜磁黄铁矿回收外，还回收了部分六方磁黄铁矿，所以弱磁选部分的回收率超过了100％，同样，由于强磁选部分的磁场强度也增加了，所以回收率接近100％，损失率几乎为零。
[0141]
尽管已用具体实施例来说明和描述了本发明，然而应意识到，以上各实施例仅用以说明本发明的技术方案，而非对其限制；本领域的普通技术人员应当理解：在不背离本发明的精神和范围的情况下，可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围；因此，这意味着在所附权利要求中包括属于本发明范围内的所有这些替换和修改。
技术特征：1.磁黄铁矿的产率和回收率的预测方法，其特征在于，所述预测方法包括如下步骤：(a)判断待处理矿石中的磁黄铁矿的晶体结构类型，并计算待预测矿石中的单斜磁黄铁矿的含量m
d
和/或六方磁黄铁矿的含量m
l
；(b)统计待预测矿石中的单斜磁黄铁矿和/或六方磁黄铁矿在不同粒径范围内的颗粒个数，并统计在每一个粒径范围内的最大粒径值和最小粒径值，然后根据所述统计的结果计算变量d；其中，其中，a为小于0.02mm粒径范围内的最大粒径值；b为小于0.02mm粒径范围内的最小粒径值；n为小于0.02mm粒径范围内的颗粒的个数；a为所在粒径范围内的最大粒径值；b为所在粒径范围内的最小粒径值；n为所在粒径范围内的颗粒的个数；m为粒径范围的划分等级个数；(c)计算待预测矿石中的粒径小于0.02mm的单斜磁黄铁矿的含量k
d
和/或粒径小于0.02mm的六方磁黄铁矿的含量k
l
；其中，k
d
＝m
d
×
d，k
l
＝m
l
×
d；(d)分别计算所述磁黄铁矿的最大产率和最大回收率；当待处理矿石中的磁黄铁矿的晶体结构类型仅为单斜磁黄铁矿时，磁黄铁矿的理论最大产率y
d
＝m
d-k
d
×
q
d
，其中，q
d
为弱磁选过程中的损失系数，q
d
＝0.4～0.6；磁黄铁矿的理论最大回收率h
d
＝y
d
/m
d
×
100％；当待处理矿石中的磁黄铁矿的晶体结构类型仅为六方磁黄铁矿时，磁黄铁矿的理论最大产率y
l
＝m
l-k
l
×
q
l
，其中，q
l
为强磁选过程中的损失系数，q
l
＝0.4～0.6；磁黄铁矿的理论最大回收率h
l
＝y
l
/m
l
×
100％；当待处理矿石中的磁黄铁矿的晶体结构类型同时含有单斜磁黄铁矿和六方磁黄铁矿时，所述磁黄铁矿的理论最大产率包括弱磁选最大产率y
弱
和强磁选最大产率y
强
；所述磁黄铁矿的理论最大回收率包括弱磁选最大回收率h
弱
和强磁选最大回收率h
强
；其中，y
弱
＝m
d-k
d
×
q
d
；y
强
＝k
d
×
q
d
+(m
l-k
l
×
q
l
)；2.根据权利要求1所述的预测方法，其特征在于，步骤(a)中，所述判断待处理矿石中的磁黄铁矿的晶体结构类型的方法包括：对待处理矿石进行x射线衍射分析，得到x射线衍射图谱；然后根据所述x射线衍射图谱判断磁黄铁矿的晶体结构类型；优选地，所述磁黄铁矿的晶体结构类型的判定方法具体包括：当所述x射线衍射图谱在2θ＝42
°
～46
°
处存在双峰且所述双峰的强度之差的绝对值小于0.5时，判定所述磁黄铁矿的晶体结构类型为单斜磁黄铁矿；或者，当所述x射线衍射图谱在2θ＝42
°
～46
°
处为单峰且其峰形平滑而不存在分叉时，判定所述磁黄铁矿的晶体结构类型为六方磁黄铁矿；或者，当所述x射线衍射图谱在2θ＝42
°
～46
°
处为单峰且其峰形存在分叉时，判定所述
磁黄铁矿的晶体结构类型同时包括单斜磁黄铁矿和六方磁黄铁矿。3.根据权利要求1所述的预测方法，其特征在于，步骤(a)中，所述计算待预测矿石中的单斜磁黄铁矿的含量m
d
和/或六方磁黄铁矿的含量m
l
的方法包括：对待预测矿石进行化学多元素分析，并根据所述化学多元素分析的结果计算出磁黄铁矿中的铁元素在待预测矿石中所占的质量百分比含量fe
s
；对若干个所述单斜磁黄铁矿和/或所述六方磁黄铁矿中的铁元素的含量进行检测，并计算铁元素在磁黄铁矿中所占的平均质量百分比含量w
fe
；然后，根据所述fe
s
和所述w
fe
计算待预测矿石中的单斜磁黄铁矿的含量m
d
和/或待预测矿石中的六方磁黄铁矿的含量m
l
，其中，其中，s
d
为若干个单斜磁黄铁矿的颗粒的总面积，s
l
为若干个六方磁黄铁矿的颗粒的总面积。4.根据权利要求3所述的预测方法，其特征在于，所述对若干个所述单斜磁黄铁矿和/或所述六方磁黄铁矿中的铁元素的含量进行检测的过程中，所述检测的方法包括电子探针分析和/或扫描电镜分析；优选地，所述单斜磁黄铁矿和/或所述六方磁黄铁矿所检测的颗粒个数不小于20个；优选地，所述单斜磁黄铁矿和所述六方磁黄铁矿所检测的颗粒的总个数不小于50个。5.根据权利要求1所述的预测方法，其特征在于，步骤(b)中，所述粒径范围的划分标准包括：粒径小于0.02mm、粒径为0.02～0.043mm、粒径为0.043～0.074mm、粒径为0.074～0.15mm和粒径大于0.15mm；且m＝5。6.根据权利要求1所述的预测方法，其特征在于，步骤(b)中，采用反光显微镜进行所述统计。7.磁黄铁矿的选别方法，其特征在于，包括如下步骤：判断待处理矿石中的磁黄铁矿的晶体结构类型，并根据所述晶体结构类型进行磁选；其中，当所述磁黄铁矿的晶体结构类型仅为单斜磁黄铁矿时，进行弱磁选；或者，当所述磁黄铁矿的晶体结构类型仅为六方磁黄铁矿时，进行强磁选；或者，当所述磁黄铁矿的晶体结构类型同时包括单斜磁黄铁矿和六方磁黄铁矿时，依次进行弱磁选和强磁选。8.根据权利要求7所述的磁黄铁矿的选别方法，其特征在于，所述弱磁选过程中的磁场强度为0.1t～0.2t；优选地，所述强磁选过程中的磁场强度为0.2t～0.3t。9.根据权利要求7所述的磁黄铁矿的选别方法，其特征在于，在所述磁选之前，所述待处理矿石经过磨矿处理；优选地，所述磨矿处理至所述待处理矿石中的磁黄铁矿单体的解离度大于90％。10.选矿方法，包括如权利要求1～6任一项所述的磁黄铁矿的最大产率和最大回收率的预测方法，以及，如权利要求7～9任一项所述的磁黄铁矿的选别方法。
技术总结本发明涉及矿物加工技术领域，具体而言，涉及磁黄铁矿的产率和回收率的预测方法及其应用。预测方法包括：判断待处理矿石中的磁黄铁矿的晶体结构类型，并计算待预测矿石中的单斜磁黄铁矿的含量M
技术研发人员：叶小璐 肖仪武 武若晨 刘娟 赵明
受保护的技术使用者：矿冶科技集团有限公司
技术研发日：2022.03.21
技术公布日：2022/7/5
