内容发布更新时间 : 2024/5/2 10:16:51星期一 下面是文章的全部内容请认真阅读。

龙源期刊网 http://www.qikan.com.cn

煤泥粒度组成对浮选效果的影响

作者：王雪文 华钰喆 李佳辉 刘林欣 郭德 来源：《科学导报·学术》2018年第39期

摘要：为了探究煤泥粒度组成对煤泥浮选效果的影响，以内蒙古某选煤厂炼焦煤煤泥为试验对象。在小筛分试验、分步释放的基础上，采用均匀试验设计进行了试验设计。评价指标为产率、灰分、可燃体回收率以及浮选完善指标。通过灰色关联度分析了产率、灰分与粒度组成的关联度，可定性分析煤泥粒度组成对浮选效果的影响，对认识煤泥粒度组成对浮选效果的影响有着重要的意义。

关键词：煤泥;粒度组成;关联度;浮选

与我国丰富的煤炭资源相比，炼焦煤储量低，优质资源稀缺。我国炼焦煤的储量仅为2，758亿吨，仅占全国查明煤炭资源储量的27%[1] ，然而炼焦煤在我国工业生产处于不可或缺的地位，如何高效利用煉焦煤成为重要问题。随着科学技术的进步，环境保护的严格要求，煤炭入选比例的进一步提高，炼焦煤已经实现了全粒级的分选。对于细粒煤泥而言，目前浮选是应用最广、分选效果最好的一种方法。浮选环节在炼焦煤选煤厂十分重要，不仅能够提高精煤的质量，还能够提高精煤的回收率。

在煤泥浮选的过程中，矿物粒度组成，矿物表面电性，润湿性，水化现象对浮选效果有很大的影响，这里着重探究粒度组成对煤泥浮选的影响[2] 。

在浮选过程中，通常粗粒级浮选速度慢，但是选择性较好，但过粗时浮不出，易损失在尾矿中，俗称“跑粗”;细粒级浮选速度快，选择性差，过细时则失去选择性，只有中等粒度才具有最佳可选性[3] 。

通常情况下，煤泥中的细泥灰分较高，所以粒度过细的煤泥含量对浮选产生很大的影响。细颗粒煤泥过高导致浮选精煤产率低，精煤灰分高，这是因为细颗粒煤泥容易粘附在煤粒的表面或者通过“泡沫夹带”的方式混入精煤中[4] ，同时，细颗粒煤泥吸附在粗颗粒表面，产生“罩盖”现象，降低了粗颗粒的产率。 1、试验部分

试验煤样采自于内蒙古某选煤厂。对该煤泥进行了小筛分试验和分步释放试验。将煤泥用0.5mm、0.25mm、0.125mm、0.075mm、0.045mm的标准筛，依照GB/T19093-2003筛分出-0.045mm、0.045-0.075mm、0.075-0.125mm、0.125-0.25mm、0.25-0.5mm五个粒度级。按均匀试验设计22水平5因素的实验方案。

龙源期刊网 http://www.qikan.com.cn

评价浮选效果的指标：产率、灰分、可燃体回收率、浮选完善指标。 2、试验结果讨论 2.1小筛分实验结果分析 小筛分试验结果见表1 由表1可以得出： 2.2分步释放试验结果分析 分步释放试验结果见表2

由表2可得，产品1精煤的产率较低为13.64%，灰分较低为7.58%。产品2、3、4总产率为10.61%，加权平均灰分为10.85%。产品5、6的产率分别为7%和10.95%，但是灰分较高分别为15.26%和20.82%，对精煤产生很大的污染。产品7为尾煤，含量很高为57.79%，灰分也很高为38.07%。说明原煤中细泥含量较高，使得尾煤含量大，灰分高。 由分步释放浮选曲线图可以得知：

①实验测得浮选原煤灰分为27.63%，由图可以看出：当精煤灰分为12%时，精煤产率为40%，所以可燃体回收率为：

通过计算可得可燃体回收率为48.63%，根据GB/4757-1984评定为难浮煤。 2.3均匀试验结果

将标准筛筛分五个粒度级，运用均匀设计与均匀设计表中22水平5因素表，设计出22水平五因素的试验方案。 试验中粒度组成见表3。

试验根据小浮选（分步释放）药剂制度试验我们确定用捕收剂为柴油，用量0.6㎏/t，起泡剂为仲辛醇，用量0.2㎏/t。

将22组试验方案进行单元浮选，根据MT/T259-1991《煤炭可浮性评定方法》，对煤泥可浮性进行评定。如图表4。

从表4可以看出：煤泥粒度组成对于浮选有着很大的影响。

龙源期刊网 http://www.qikan.com.cn

3、粒度组成对浮选效果关联度分析

灰色关联分析方法，是根据因素之间发展趋势的相似或相异程度，作为衡量因素间关联程度的一种方法。灰色关联度分析对于一个系统发展变化态势提供了量化的度量，非常适合动态历程分析。灰色关联度分析法是将研究对象及影响因素的因子值视为一条线上的点，与待识别对象及影响因素的因子值所绘制的曲线进行比较，比较它们之间的贴近度，并分别量化，计算出研究对象与待识别对象各影响因素之间的贴近程度的关联度，通过比较各关联度的大小来判断待识别对象对研究对象的影響程度。[5] 分析步骤：

（1）确定五个因素（五个粒级）组成的数据序列为比较数列，精煤灰分精煤产率为评价指标数列

（2）进行无量纲化处理（均一化处理）

（3）逐个计算每个比较序列与评价指标数列对应元素的绝对差值 （4）求比较数列与评价指标数列的灰色关联系数 （5）求关联度 （6）关联度排序

本试验运用DPS软件对煤样粒度组成和精煤产率、灰分进行关联度分析。

母序列（参考数列）个数即因变量个数，这里选择母序列（参考数列）为2，均值化处理，令Δmin不为0。ρ为分辨系数，在（0，1）内取值，若ρ越小，关联度系数间差异越大，区分能力越强，本研究中取0.5。灰色具体算法如图2所示

确定产率和灰分为评价指标数列，粒度组成为比较数列，并对数据进行均一化处理。计算精煤产率和精煤灰分与其他因子的关联系数。关联度计算公式如下： 根据关联度系数得出关联度矩阵，见表5。

从上述表12可得，对于精煤灰分而言，关联度的大小为：0.5～0.25mm>-0.045mm>0.25～0.125mm>0.125～0.075mm>0.075～0.045mm，可以得出0.5～0.25mm和 4.结论

①通过小筛分实验，分步释放实验以及方开泰的均匀设计实验的实验结果分析，可知煤泥粒度组成对浮选有着很大的影响。