高铜矿湿法冶金全流程过程检测分析

2020-04-22杨全涛曹海宙

中国金属通报 2020年14期

杨全涛，曹海宙，万孟

（浙江遂昌汇金有色金属有限公司，浙江丽水 323300）

目前资源紧张已经成为困扰世界各国的难题，严重阻碍着经济的发展，其中矿产资源属于重要的战略物资，占据关键地位。一方面，工业化进程的加快将矿产资源的开发利用推向了一个全新的高度，随之而来的就是高品位矿石储藏量的减少，黄金是最典型的代表，金价一路攀上就是最直接的体现；另一方面，低品位矿石像铜矿等开发利用程度较低，造成了资源的严重浪费。

1 湿法冶金全过程检测的综合概述

1.1 湿法冶金的先进性以及发展现状

湿法冶金工艺是一种新兴的技术，流程相对比较复杂，和传统冶炼手段相比优势明显，因此推广以来深受业界的追捧，应用较为广泛。湿法冶金主要借助的是液态溶剂实现对黄金的提取，液态溶剂可以分为两种，一种是无机水溶剂；还有另一种是有机溶剂。主要原理是通过矿石浸出、矿石分离以及金属提取等步骤，将需要的金属分离出来，并在此基础上再经过打磨、脱水调浆以及压滤洗涤等众多环节，达到冶金的目的。从以往的经验来看，湿法冶金技术即使面对较为复杂的矿石或者是低品位矿石都可以轻松处理，将其中有用的物质提取出来，从而提高矿藏的利用率。与此同时，湿法冶金还是一种比较环保的冶金工艺，除了高利用率之外，在环境保护方面作用比较明显，基于这样的情况，近年来，湿法冶金得到了实质性的发展，并取得了大规模的推广。其实在国外，湿法冶金技术相对比较成熟，许多低品位矿石得到了很好的利用，但是在中国湿法冶金还处于发展阶段，还存在很大的进步空间。目前在国内的湿法冶金还无法像国外一样，借助优化控制来全面控制资源消耗，随着矿物资源尤其是黄金需求量的不断攀升，单纯凭借改进工艺是无法达到增强湿法冶金经济性的相关要求的。基于这样的现状，在可持续发展方针的指引下，为了可以有效发挥低品位矿物资源的巨大价值，掌握湿法冶金的关键技术，实现优化控制已经成为目前最需解决的首要问题。

1.2 湿法冶金全过程检测的必要性

湿法冶金在实际的生产环节，会伴随大量的数据产生，这些数据都可以统一归属于运行信息数据，主要包括温度、pH 值等一些运行参数，为了可以确保湿法冶金的实际应用效果，实现全流程的优化控制，首先需要对这些数据进行科学有效的收集，并在此基础上充分利用数据信息，最终达到生产环节全过程监测的主要目的。通过全过程检测可以不断优化冶金工艺流程，并为相关决策提供可靠依据，从而提升湿法冶金的技术水平，为智能化运行奠定基础。

2 湿法冶金全流程检测的内容

湿法冶金工艺相对比较复杂，涉及到的内容比较多，工艺全流程主要包括了磨矿、浮选、置换、洗涤等典型工艺。在选矿阶段，要结合实际的黄金品位高低，将矿石分为不同的等级，等级划分是按照硫成分的具体含量来作为标准的，分别是低、高硫矿以及本文重点介绍的高铜矿。根据矿石的天然成分，将其按照不同的流程进行处理，针对低硫矿要通过碳吸附氰化的方法，而高硫矿则要经过置换流程，高铜矿作为三者中品位相对较高的矿石，要经过高品位氰化浸出，这里值得注意的是，高铜矿想要达到理想的处理效果，需要经过两次浸出和洗涤，才可以将成分完全过滤干净。本文将以高铜矿为例，重点介绍冶金全流程的检测手段，因为高铜矿与其他两种矿石相比，产金量是最多的，是一条非常重要的生产线。

2.1 浸出工艺流程

浸出是湿法冶金比较重要的一个步骤，主要借助溶液来完成有价金属的提取，使其从固体物料中分离出来，这样的过程就是浸出工艺的具体流程。在此过程中经常伴随化学反应，因此浸出工艺也被看作是基本单元操作。湿法冶金主要是通过氰化浸出的原理，先将粒度和溶液进行充分混合，将其调配成矿浆，在此环节中一定要注意矿浆的浓度，最好以25%～30%为宜。当矿浆调配好之后，需要向其中添加一定比例的氰化钠，在此基础上充入空气，让添加剂和金属充分接触并发生化学反应，最终可以得到金氰离子。在浸出阶段，氰化钠是重要介质，是氰化浸出金之所以会实现的重要反应试剂，因此在氰化钠的选择上一定要科学严谨，并且注重氰化钠的使用量，确保反应可以足够充分[1]。而在整个过程中，空气的补充也是十分关键的，其主要作用是为了提供搅拌动力以及确保氧化还原电位充足，通过这样的方法，来加快反应速度，推进反应进行。除此之外，在浸出阶段为了有效避免氰化钠产生水解现象，进而释放出大量的氰化氢，这种气体是含有极大毒素的，如果不能进行有效控制，将会危及人身安全，所以在实际的操作过程，一定要加强这方面的保护，参照以往的经验，通过加入石灰浆，可以将矿浆pH 值控制在11左右，从而避免有害气体的生成。金氰化浸出反应式，可以用以下形式表示：

金矿中铜成分极易和氰化物发生反应得到铜氰络合物，这样会在一定程度上增加氰化物的过分消耗。另外，最终生成的铜氰络合物会阻碍溶解速度，影响降低浸出率。为了有效解决这一问题，前文已经提到高铜矿需要进行两次浸出操作，以此来达到可以最大程度实现金回收的目的。在湿法冶金的全流程中，两次浸出分别匹配四个浸出槽，在摆放上要呈现由高至低的顺序，这样摆放可以让矿浆按照由高至低的顺序自然溢流[2]。在实际的浸出过程中，需要将氰化钠分别加入浸出槽中，并通入空气。

2.2 压滤洗涤工艺

压滤洗涤也是湿法冶金的关键步骤和重要环节，在具体的操作阶段，氰化浸出作业要完成两次浸出程序，才能够最大程度实现金回收。其中一浸作业后，为了可以将得到的金氰离子第一时间分离出去，避免金氰离子的堆积，需要借助压滤机来实现，将浸出作业完成后的矿浆，通过压滤机完成贵液和矿浆的全部分离，这个过程叫做一洗。当一洗作业结束后，滤饼由渣浆泵抽入再次搅拌溶金，当第二次浸出作业完成后，将浸出矿浆重新抽入压滤机（和第一台压滤机要合理区分开）完成二次分离。这里要特别强调，一洗作业和二洗作业得到的贵液就可以作为黄金的主要提取原液，被送去置换提金，除了一部分贵液之外，还会有一些矿渣存在，这些矿渣不易发生溶解，可以将其送到金属分离环节继续加工[3]。就目前的情况来看，立式压滤机在湿法冶金中比较常见，在全流程管理中要确保压滤机的性能和运行状态，定期对设备进行维护，虽然立式压滤机处理量小，但是在洗涤效率方面表现比较优越，其中机型19 使用较多，效果也比较理想。

2.3 置换过程工艺

置换过程是湿法冶金的最后一道工序，通常在氰化法提金完成后，就要考虑选择合适的金回收方法，目前金回收的方法比较多，例如：电解法以及吸附法等，本文将重点讨论锌粉置换还原技术。锌粉置换的方法是建立在锌丝置换沉积的理论基础上慢慢发展起来的，在湿法冶金中占据重要地位，是比较重要的提金手段。锌粉置换沉淀技术主要是依靠电化学反应，将含金氰化液中加入适量的锌粉，其化学反应式如下。

关于锌粉置换也是由多种工艺组成，包括净化、脱氧等，以及最后的锌粉置换。在实际工作中需要严格遵循具体的工艺流程，掌握每道工序的关键步骤和相关操作规程，每道工序都是必不可少的，例如：贵液净化。净化的主要目的是为了确保沉降率，通过矿浆浸出以及压滤洗涤作业后，在最终得到的贵液中依然会存在少量矿泥，这种悬浮颗粒会污染锌粉，加快锌粉消耗，从而使沉淀率大幅度下降。而通过净化可以将贵液中难以分解的颗粒物澄清掉，可以从源头避免大量颗粒物进入置换环节，防止其对置换效果产生影响，最终损害金泥品质[4]。在实际的冶金制作中，悬浮物越少，则代表冶金效果越理想。

3 具体检测方法的应用

随着金矿资源的日益紧缺，黄金需求量的逐年增加，湿法冶金技术得到了长足的发展，与之相关的研究越来越多。但是因为湿法冶金相对比较复杂，想要达到理想的冶金效果需要一定的技术支持，并且严格控制工艺流程，确保每一个环节的准确无误，才能实现高品位金的回收。并且湿法冶金涉及到的设备类型众多，在整个操作流程存在诸多变量，并且变量间强耦合关系复杂，很多特性会因为生产条件的改变而发生本质性的变化。与此同时，极易受到原料以及工况等因素的影响，不确定因素普遍存在，机理模型很难建立。针对这样的情况，PCA 方法得到了广泛的应用，可以进一步提高全流程检测水平。

3.1 PCA方法的原理

PCA 方法是一种比较先进的建模方法，在建立模型时，不需要借助过程机理知识，单纯依靠工况历史数据，就可以实现冶金过程的全方位检测。在实际的应用中，要深入挖掘生产过程中的有用信息，并进行科学有效分析和充分利用，将信息的最大价值体现出来。与此同时，采用PCA 建模的方法还可以在一定程度上剔除冗余信息，数据维数也因此可以得到有效的控制，并且将运行状态直接呈现出来，显示在监测图中，这样就可以一目了然掌握湿法冶金的全流程，并对每一个环节进行相应的质量控制与检测，由于PCA 方法的便捷性与可靠性，近几年越来越得到大家的青睐，在多个生产过程中表现出色。

PCA 方法的主要实现过程如下：二维数据矩阵X 作为主成分分析的针对对象，经过分析，矩阵X 可以被分解为多个不同的子空间。

3.2 PCA方法遵循的原则

湿法冶金在整个实施过程中存在多个关联子过程，并且这些子过程都是相互依存的，想要实现全流程检测不仅要控制整个运行状态，其中的各子过程也要加强管理，并且以此作为基本前提，通过科学有效的计算，找到各子过程存在的内在联系以及子过程和整体运行状态的联系，梳理出关系网。借助关系网就可以实现湿法冶金的动态管理以及全流程监测。不但如此，还可以借助内在关系为故障诊断提供依据，时刻保持冶金工艺的最佳状态，确保冶金的效率和质量，同时为各子过程的全力配合和协调发展奠定基础。在整个系统中，主成分个数至关重要，直接决定了监测性能。因此主成分个数的确定必须要秉持一定的原则，在实际的生产过程中，监测数据一般都会存在一定的噪声，将这些噪声去除掉就意味着不仅对噪声进行了有效过滤，还可以控制数据空间维数，以此来提高建模的精准性。如果在这个阶段选用的主成分在数量上过少就有可能引发过程数据出现丢失情况，导致模型误差变大；如果个数过多那么其中难免会夹杂数据噪声，从而增加诊断的复杂性。