Чжан Шуйпин*, Гань Минь, Чжан Хаокунь, Гань Шилян
Цзянсийский университет науки и технологий, г. Ганьчжоу, провинция Цзянси; компания HPY Technology Co. LTD, г. Ганьчжоу, провинция Цзянси.
* Чжан Шуйпин — китайский профессор, специализирующийся на исследованиях в сфере безопасности горнодобывающей отрасли.
Цель данного экспериментального исследования заключается в применении технологии интеллектуальной сенсорной сортировки для обработки репрезентативной пробы угольных отходов массой 550 тонн, отобранной на шахте Маомаошань г. Датун (провинция Шаньси, Китай). Эксперимент направлен на предварительный отбор высококачественного каолина угольного происхождения, повышение уровня комплексного использования полезных ископаемых, а также на увеличение экономического и социального эффекта. Согласно результатам исследования обогатимости, применение интеллектуального сенсорного оборудования для сортировки данного материала является эффективным.
Ключевые слова: каолин угольного происхождения, угольные отходы, комплексное использование, интеллектуальная сепарация
Введение
Комплексное использование угольных отходов соответствует требованиям экологических стандартов развития циркулярной экономики и способствует реализации экологических проектов, направленных на снижение негативного воздействия на окружающую среду, связанного с хранением отходов. С учётом теплотворной способности угольных отходов (500–700 ккал/кг) и высоким содержанием оксида алюминия (Al2O3 > 30 %) отходы разделяются на: высокоглинозёмистый каолин угольного происхождения, среднеглинозёмистый каолин, мелкозернистые угольные отходы и песчаник. Эти материалы используются для производства обожжённого каолина высокого качества, каолина среднего качества, керамзита и наполнителя для дорожного покрытия. Дополнительно внедряются линии по утилизации тепла и производству строительных материалов, что обеспечивает полное использование всех компонентов угольных отходов. В ходе эксперимента репрезентативная проба материала весом 550 тонн подвергалась первичной интеллектуальной сортировке (технология VIS) для удаления песчаника, а затем вторичной сортировке (высокоточная сенсорная технология нового поколения HPY) для разделения на продукты с низким (Fe2O3 < 0,5 %), средним (0,5 ≤ Fe2O3 ≤ 1,2 %) и высоким (Fe2O3 ≥ 1,2 %) содержанием железа.
I. Методика эксперимента
Исходная проба материала дробилась до фракции -50+10 мм, после чего подавалась на конвейерную ленту. Через определённые промежутки времени перпендикулярно потоку материала отбирались небольшие пробы, которые затем объединялись в общий образец для химического анализа и статистической обработки данных. На основе результатов анализа определялись параметры и условия эксперимента. После успешного проведения пробных испытаний выполнялись крупномасштабные испытания. Схема эксперимента представлена на рис. 1.1.
II. Анализ исходной руды
На основе характерных признаков изображения минералов в материале с помощью алгоритмов машинного зрения репрезентативная проба исходной руды была классифицирована на 10 типов: мелкозернистый каолин, коричневый гладкий каолин, слоистый каолин, железосодержащие породы, железосодержащий каолин, углистый тёмный каолин, мелкозернистый песчаник, крупнозернистый каолин, белый песчаник и углистые породы. После взвешивания каждого типа образцы были проанализированы на оборудовании
HPY-SC1600 с последующей отправкой на лабораторные испытания для определения содержания полезных компонентов. Статистические данные анализа исходной руды представлены в таблице 2.1.
2.1. Данные анализа исходного материала
1. В анализе исходного материала содержание Al2O3, Fe2O3 и TiO2 в каолине составило 36,57 %, 1,5 % и 0,92 % соответственно.
2. В результате анализа были выделены в концентрат следующие типы проб: крупнозернис-тый каолин, слоистый каолин, углистые породные включения и коричневый гладкий каолин. Содержание Al2O3, Fe2O3 и TiO2 в полученном каолиновом концентрате составило 43,31 %, 0,43 % и 1,06 % соответственно при выходе 30,01 %.
2.2. Анализ изображений
1. Углистые породные включения, железосодержащие породы и углистый тёмный каолин на изображениях имеют преимущественно чёрный цвет без существенных различий.
2. Крупнозернистый каолин, слоистый каолин и железосодержащий каолин на изображениях демонстрируют смешанную коричнево-чёрную окраску без чётких различий между этими тремя типами.
3. Мелкозернистый каолин и коричневый гладкий каолин визуально имеют коричневато-бурый цвет и практически неразличимы.
4. Белый песчаник на изображениях проявляется как однородно белый, а мелкозернистый песчаник — как неоднородная смесь коричнево-бурого и чёрного.
III. Испытания интеллектуальной сортировки
Для испытаний были отобраны репрезентативные пробы фракции -50+10 мм, равномерно распределённые на подающем конвейере. Согласно модели сортировки, разработанной на основе анализа исходного материала, были проведены испытания интеллектуальной сенсорной сортировки проб. Результаты испытаний представлены в таблица 3.1.
Согласно данным обогатимости, на основе предварительного анализа исходного материала и анализа изображений были проведены пробные испытания малой партии материала, где извлечение каолина составило 99,17 %, извлечение песчаника — 99,31 %, а содержание пустой породы около 15,66 %, что соответствует поставленным целям исследования. После интеллектуальной сенсорной сепарации каолина был проведён повторный анализ полученного продукта, разработана новая модель сепарации и выполнены испытания с применением инновационной технологии сортировки нового поколения HPY, результаты которых представлены в таблице 3.2.
По данным обогатимости: на основе предварительного анализа исходного материала и анализа изображений были проведены пробные испытания малой партии материала. Продукты с низким содержанием железа показали содержание Al2O3 — 43,41 %, Fe2O3 — 0,40 %, TiO2 — 1,21 %; продукты со средним содержанием железа — Al2O3 42,72 %, Fe2O3 0,83 %, TiO2 1,24 %. Результаты соответствуют целевым показателям анализа.
IV. Заключение
Анализ исходного материала показал значительные различия в содержании полезных компонентов, что свидетельствует о хорошей обогатимости руды методом интеллектуальной сенсорной сепарации. В результате сортировки были получены следующие концентраты: крупнозернистый каолин, слоистый каолин, углистые породные включения и коричневый гладкий каолин с содержанием Al2O3 43,31 %, Fe2O3 0,43 %, TiO2 1,06 % при выходе 30,01 %.
Результаты испытаний подтвердили, что показатели содержания Al2O3, Fe2O3 и TiO2 в хвостах соответствуют требованиям заказчика. Достижение целевых показателей анализа доказывает эффективность применения интеллектуального рентгеновского оборудования для обогащения данного материала.
Список литературы
1. Nelson I., Benjamin, Boqiang Lin. Influencing factors on electricity demand in Chinese nonmetallic mineral product industry: A quantile perspective. Journal of Cleaner Production, 2020, 234: 1-9.
2. Li B.Z., Wang W.L. Surface modification of calcined coal series kaolin and its application in polymer products. Nonmetallic Mine, 2005(S1): 49-51.
3. Tang J.Y., Zhang T. The present situation and development of coal series kaolin processing and utilization in China. New Material Industry, 2009(3): 60-63.
4. Feng Z. Preparation of aluminum salt and white carbon black from coal gangue. Coal Processing and Comprehensive Utilization, 2005(5): 32-33.
5. Zhao Y., Li G., Luo Z., Liang C., Tang L., Chen Z., Xing H. Modularized dry coal beneficiation technique based on gas-solid fluidized bed. Journal of Central South University Technology, 2011(18): 374-380.
16 Hubian Dadao, Economic and Technological Development Zone, Ganzhou, Jiangxi, China
Телефон: +86 155 870 169 09, +7 922 138 92 22
E-mail: huangfuzhong@hpysorting.com,
info@hpysorting.com, hpysorting.com/index-Ru
Реклама компании GanZhou HPY technology co.LTD
Рег. номер: 913607033520607605
Erid: 2SDnjco4eey
