思山岭铁矿超细全尾砂固结粉充填胶凝材料研究
2019-08-26
为了降低思山岭铁矿充填采矿成本,针对午夜YY超细全尾砂,利用本溪地区矿渣、脱硫石膏等固体废弃 物,开展了嗣后充填采矿法所要求的低成本固结粉充填胶凝材料研究。首先设计 3 因素 3 水平盐基和碱基激发剂 胶凝材料正交试验,获得了充填体 3 d 强度的固结粉激发剂优化配方为水泥熟料 9%、脱硫石膏 4%、工业芒硝 1%。 采用极差分析得到了充填体 7 d 和 14 d 强度影响因素权重从大到小排序为:水泥熟料,工业芒硝,脱硫石膏。然后 建立 BP 神经网络模型进行激发剂不同配比的胶结体强度预测,模型预测得到的充填体强度最大相对误差为 4.83%,满足训练精度要求。
Series No. 518 August 2019 金 属 METAL MINE 矿 山 总第 518 期 2019 年第 8 期 思山岭铁矿超细全尾砂固结粉充填胶凝材料研究 1 1 2 21 杨寿军 梁 峰 高 谦 丛革臣 1. 北京科技大学土木与资源工程学院,北京 100083;2. 华夏建龙集团龙新快瞄影院kmyytv电影网午夜YY,辽宁 本溪 117000) ( 摘 要 为了降低思山岭铁矿充填采矿成本,针对午夜YY超细全尾砂,利用本溪地区矿渣、脱硫石膏等固体废弃 物,开展了嗣后充填采矿法所要求的低成本固结粉充填胶凝材料研究。首先设计 3 因素 3 水平盐基和碱基激发剂 胶凝材料正交试验,获得了充填体 3 d 强度的固结粉激发剂优化配方为水泥熟料 9%、脱硫石膏 4%、工业芒硝 1%。 采用极差分析得到了充填体 7 d 和 14 d 强度影响因素权重从大到小排序为:水泥熟料,工业芒硝,脱硫石膏。然后 建立 BP 神经网络模型进行激发剂不同配比的胶结体强度预测,模型预测得到的充填体强度最大相对误差为 4 .83%,满足训练精度要求。并采用二次多项式拟合,由此获得了适用于超细全尾砂固结粉充填胶凝材料优化配 方。固结粉 7 d 充填体强度优化配方为水泥熟料 5.88%、脱硫石膏 9.31%、芒硝 0%,充填体强度达到 2.40 MPa;14 d 充填体强度优化配方为水泥熟料 5.99%、脱硫石膏 9.63%、芒硝 0.40%,强度达到 3.12 MPa。验证试验结果表明,固 结粉胶凝材料充填体 14 d 强度是胶固粉的 1.48 倍,而固结粉胶凝材料成本较之降低 23%。 关键词 超细全尾砂 固结粉 充填体强度 优化配比 极差分析 神经网络 中图分类号 TD853 文献标志码 A 文章编号 1001-1250(2019)-08-198-06 DOI 10.19614/j.cnki.jsks.20190833 Study on Cemented Material with Superfine Full-tailing Slag Base Consolidated Powder in Sishanling Iron Mine 1 1 2 22 Liang Feng Gao Qian Cong Gechen Yang Shoujun (1. School of Civil and Resource Engineering,University of Science and Technology Beijing,Beijing 100083,China; 2 . Huaxia Jianlong Group Longxin Mining Company,Benxi 117000,China) Abstract In order to reduce the costs of filling mining in Sishanling Iron Mine,the ultra-fine solid tailings of mines, with slag and desulfurized gypsum in Benxi area as raw materials,were used to study the low-cost consolidated powder filling cementing materials required by the filling mining method. Firstly,the orthogonal tests with 3 factors and 3 levels of salt-base and alkali- base activator gelling materials were designed. The optimized formula of the solidified powder activator for 3 d strength of the filling body was 9% cement clinker,4% desulfurized gypsum and 1% industrial mirabilite. The range analysis is made to obtain the weights of the influencing factors of the filling bodies 7 d and 14 d,ranking from high to low: cement clin ker,industrial mirabilite,and desulfurized gypsum. Then,BP neural network model was established to predict the strength of cement with different proportions of the initiator. The maximum relative error of the model was 4.83%,which satisfies the train ing accuracy. Then,the quadratic polynomial fitting,the optimized formula for the ultra-fine full tailings consolidated powder filling gelling material is obtained. The optimized formula of consolidated powder filling body for 7 d is 5.88% of cement clin ker,9.31% of desulfurized gypsum,0% of mirabilite,realizing 2.40 MPa of fillingbody strength;The optimized formula of fill ing body for 14 d is 5.99% of cement clinker,9.63% of desulfurized gypsum,0.40% of mirabilite,realizing the strength 3.12 MPa. The verification test results show that the strength of the cemented cement filling body for 14d is 1.48 times higher than that of the cemented powder,and the cost of the consolidated powder cementing material is lowered by 23%. Keywords Superfine whole tailings,Consolidated powder,Backfill strength,Optimized ratio,Range analysis,Neural network 收稿日期 2019-06-12 基金项目 国家重点研发计划重点专项 (编号:2017YFC0602903)。 作者简介 峰(1995—),男,硕士研究生。通讯作者 谦(1956—),教授,博士研究生导师。 梁 高 · 198 · 梁 峰等:思山岭铁矿超细全尾砂固结粉充填胶凝材料研究 2019年第8期 思山岭铁矿位于辽宁本溪市思山岭村,已探明 地质储量为24.84 亿t,矿石平均品位为31.19%,埋深 [1] 404~1 934 m,是一座典型的超深超大铁矿床 。针 对思山岭铁矿矿体赋存条件,中国恩菲工程技术有 限午夜YY设计采用大直径深孔空场嗣后充填和分段空 [ 2] 场嗣后充填 2 种采矿方法 。前者约占矿石开采矿 量的 95%,后者约占 5%。午夜YY充填材料采用选矿尾 砂。思山岭铁矿充填使用超细尾砂,水泥胶结充填 体不仅强度低,而且流动性差,管道自流输送浓度 低,是否达到设计料浆浓度和充填体强度也存在问 题。基于此,开展满足午夜YY阶段嗣后充填法采矿所 [ 3] 需要的低成本固结粉充填胶凝材料 ,替代胶固粉在 思山岭铁矿充填采矿中应用,不仅能够提高资源回 收率和降低矿石贫化率,而且还可以进一步降低矿 [ 4-5] 山充填成本,提高午夜YY采矿经济效益 。本溪电厂 每年排放大量脱硫石膏等固体废弃物,因此,本溪地 区拥有开发思山岭铁矿充填胶凝材料所需要的丰富 和廉价的废弃物资源。本项目利用矿渣微粉、脱硫 石膏以及芒硝等材料进行试验研究,寻找固结粉新 型充填胶凝材料胶结充填体强度优化配比,为午夜YY 8 5%,属于超细全尾砂。思山岭铁矿选矿尾砂粒径分 布曲线如图1所示。 [6-7] 固结粉充填胶凝材料工业化试验奠定基础 。 1 . 1 火山灰质物料 思山岭铁矿地处本溪与抚顺地区,是冶炼工业 试验材料 1 发达和废弃物资源丰富的地区,可以充分利用当地 矿渣、脱硫石膏(简称石膏)等废弃物资源。取本溪 钢铁午夜YY矿渣至室内采用小型球磨机粉磨,由此获 2 试验方案 [8] 得高炉矿渣微粉 (简称本钢渣粉)。本钢渣粉和当 地水泥熟料(简称熟料)化学成分测试结果见表 1。 根据本钢渣粉的化学成分测试结果,计算其碱度系 2. 1 正交试验设计与试验过程 设计采用正交试验,由此解决多因素选优问题, [10] 且可用来分析各因素对试验结果影响的大小 。将 熟料、石膏和芒硝作为正交试验 3 个因素,每个因素 再取 3 个水平,试验方案及结果见表 3。通常以盐或 碱基材料作为主激发剂开发的固结粉胶凝材料,分 [ 9] 。本钢渣粉碱度系数 M =0.42>0.3,说明本钢渣粉 数M 0 和活性系数M a 0 =1.01> 1,属于碱性渣;活性系数M a 的活性较高;质量系数 K=1.81,属于高质量矿渣。思 山岭铁矿新型胶凝材料开发物料粒径特征参数统计 结果见表2,由表2可以看出,思山岭地区的粉磨尾砂 的加权平均粒径为 41.48 μm,尾砂比较细,但不均匀 系数为14.02,曲率系数为1.44,说明该粉磨尾砂的粒 组分布较大,充填尾砂的级配良好。相对于本钢渣 粉和熟料,石膏的加权平均粒径较大,为 32.75 μm, 显然石膏的粒度非常粗,但作为一种可溶性物料,对 胶结充填体强度影响不大。 [ 11] 别称之为盐基或碱基激发剂胶凝材料 。本试验过 程分别进行了以石膏为主的盐基激发剂胶凝材料试 验和以熟料为主的碱基激发剂胶凝材料试验。根据 思山岭铁矿实际采用尾砂细度与料浆自流输送浓 度,试验采用尾砂料浆浓度为65%,根据思山岭铁矿 充填设计,试验胶砂比设计为1∶8;试验中使用水泥搅 拌机将充填材料搅拌成均匀的料浆,采用 7.07 cm× 7.07 cm×7.07 cm 三联模具制备胶结充填体试块,振 实均匀,在温度为40 ± 2℃和大于95%的湿度标准养 护条件下养护,2 d后进行拆模,继续养护至3 d、7 d和 14 d 龄期,最后用电液伺服材料试验机按 0.5 kN/s 的 1 . 2 充填骨料 午夜YY充填材料采用选矿尾砂。对选矿尾砂进行 粉磨,然后将尾砂置于烘干箱中,获取干燥的尾砂。 [12] 加载速率对试块的无侧限抗压强度进行测定 。 粉磨尾砂中+200 目(-75μm)细颗粒含量接近于 · 199 · 总第518期 金 属 矿 山 2019年第8期 2 . 2 盐基激发剂胶凝材料试验 盐基激发剂胶凝材料配方胶结充填体强度正交 试验结果以及极差分析结果见表 3 和表 4,盐基胶凝 材料胶结充填体强度与激发剂掺量的关系曲线如图 2 所示。 MPa。由图 2 看出,在盐基胶凝材料激发体系中,尾 砂胶结充填体抗压强度均随熟料掺量的增加而增 大;胶结充填体3 d强度随着石膏掺量的增加也呈增 大趋势,但是 7 d 和 14 d 强度随之掺量增加而减小; 芒硝掺量胶结体强度影响规律不明显。因此,进一 步增加熟料的掺量,而减少石膏的掺量,芒硝掺量影 响规律不明显,因此保持芒硝掺量水平不变,下一步 我们进行了以熟料为主的碱基激发剂胶凝材料试验 设计。 由表 3 和表 4 可知,对充填体 7 d 和 14 d 强度影 响熟料权重最大,芒硝次之,石膏最小。当熟料掺量 为5%时,各龄期胶结充填体强度达到最大,3 d、7 d、 1 4 d 平均抗压强度分别达到 1.2 MPa、2.33 MPa、2.86 2 . 3 碱基激发剂胶凝材料试验 碱基激发剂胶凝材料配方胶结充填体强度正交 试验结果以及极差分析结果见表 5 和表 6,碱基胶凝 材料胶结充填体强度与激发剂掺量的关系曲线如图 3 所示。 从图3中看出,碱基胶凝材料胶结充填体强度均 随熟料掺量增加而减小,随石膏掺量增加先减小后 增大,整体呈现增大的趋势,随芒硝掺量增加呈现先 减小后增大,整体呈现增大的趋势。由表5和表6可 知,当熟料掺量 9%时,胶结体 3 d、7 d、14 d平均抗压 强度分别达到了1.27 MPa、1.71 MPa、2.22 MPa。石膏 掺量为 4%,各个龄期胶结充填体的平均抗压强度均 · 200 · 梁 峰等:思山岭铁矿超细全尾砂固结粉充填胶凝材料研究 2019年第8期 3 固结粉胶凝材料胶结充填体强度优化配比 预测 3 . 1 神经网络模型建立 人工神经网络法中,通过误差逆向传播算法训 练的 BP( Back-Propagation)神经网络是目前应用最 [ 13] 广泛的神经网络 。与传统的线性或非线性回归方 法相比,它具有的优点是较强的学习能力;是一种复 杂的非线性系统;可以并行运算,具有极快的运算速 度,响应时间短,可以满足在线模拟、在线优化的需 [ 14] 要 。首先根据所选的神经网络模型结构,建立 BP 神经网络预测模型。神经网络的输入层中,以熟料、 石膏、芒硝 3 个因素作为输入因子,选择输入层神经 元个数为 3。输出层中,分别以 7 d 与 14 d 胶结充填 体抗压强度作为输出因子,选取输出层神经元个数 为 1。根据所建模型网络收敛速度和预测误差进行 [ 15-16] 比较,确定最佳隐含层节点数为12 。选取表 3 和 表 5 中 A4 和 B6 的 7 d 试验强度,作为 7 d 强度神经 网络模型检验样本,A5 和 B5 的 14 d 试验强度,作为 14 d 强度神经网络模型检验样本,剩余的 16 组作为 神经网络学习样本。设置网络最大训练次数为 10 -6 000 步,训练误差设置为10 ,测试样本训练误差控制 在5%以内。该神经网络模型训练误差曲线如图4所 示,由图可见 7 d 和 14 d 强度训练的 BP 神经网络模 型分别在 14 步和 24 步达到训练精度。检验样本的 预测结果见表7,由表可知最大相对误差为4.83%,满 足训练精度要求。根据预测模型进行正交试验预 测,预测结果见表8。 3 . 2 二次多项式回归模型 采用 DPS 软件系统,对试验数据和神经网络预 测得到数据,进行二次多项式回归分析,由此获得固 结粉充填体7 d和14 d强度模型: 2 R7d = -6.406 + 1.27x1 + 1.089x2 - 3.415x3 - 0.054x1 - 2 2 .037x2 + 0.24x3 - 0.069x1x2 + 0.245x1x3 + 0.168x2 x3, 0 ( 1) 2 R14d = -12.453 + 2.112x1 + 1.95x2 - 0.732x3 - 0.083x1 - 2 2 0 .065x2 - 1.003x3 - 0.122x1x2 + 0.133x1x3 + 0.076x2 x3, (2) 式中,R7d 和 R14d 分别为充填体7 d和14 d抗压强度, MPa;x1 、x2 、x3 分别为固结粉胶凝材料熟料、石膏、 芒硝含量,%。 达到了 1.18 MPa、1.72 MPa、2 MPa。当芒硝掺量为 二次多项式模型拟合误差曲线如图5所示,由此 可见,回归模型的相对误差小于15%。 1 %,各龄期胶结体平均抗压强度分别达到了 1.29 MPa、1.73 MPa、2.03 MPa。综上,调整碱基胶凝材料 激发剂中的熟料小于 9%,石膏大于 4%,芒硝 1%,有 利于提高胶结充填体强度。 针对二次多项式回归函数求极值,由此得到充 填体 7 d 强度的胶凝材料最优配方为熟料 5.88%、石 · 201 · 总第518期 金 属 矿 山 2019年第8期 条件下胶固粉材料的 1.48倍。固结粉胶凝材料原料 快瞄影院kmyytv电影网为:熟料 430 元/t,石膏 380 元/t,芒硝 550 元/t,其 固结粉胶凝材料成本为 232.31 元/t。初步估算胶固 粉(矿渣微粉+激发剂材料)成本为 300 元/t。固结粉 充填胶凝材料较胶固粉成本降低23%左右。 4 结 论 (1)根据正交试验极差分析可知,影响充填体7 d 和14 d强度影响因素重要程度排序为:水泥熟料,芒 硝,脱硫石膏。即水泥熟料是 7 d和14 d充填体强度 的决定性因素,脱硫石膏和芒硝的影响力较小,但在 一定程度上提高充填体强度。 (2)通过盐基和碱基激发剂胶凝材料试验,初步 获得了满足思山岭铁矿充填强度要求的 3 d 固结粉 胶凝材料优化配方为:水泥熟料9%、脱硫石膏4%、芒 硝1%。 ( 3)建立BP神经网络模型,预测不同配比固结粉 胶凝材料充填体强度,获得了固结粉胶凝材料7 d和 4 d充填体强度的优化配比。7 d充填体强度最优配 1 方为水泥熟料5.88%、脱硫石膏9.31%、芒硝0%,充填 体强度达到 2.40 MPa。14 d 充填体强度最优配方为 水泥熟料 5.99%、脱硫石膏 9.63%、芒硝 0.40%,强度 达到3.12 MPa。 ( 4)固结粉新型胶凝材料降低了充填成本,为 32.3元/(t 14 d强度优化配比),胶固粉(矿渣微粉+激 发剂材料)成本为300元/t,是固结粉开发材料成本的 7.4%。由此可见,固结粉胶凝材料成本较胶固粉成 2 7 本降低23%左右,而且充填体强度是同条件下胶固粉 材料的1.48倍。 参 考 文 献 膏 9.31%、芒硝 0%,7 d 强度 2.40 MPa。相关系数 R= [ 1] 吕广俊,李鑫磊.辽宁省本溪市思山岭铁矿地质特征浅析[J].硅 0.863 1。14 d胶凝材料最优配方为熟料 5.99%、石膏 9.63%、芒硝 0.40%,14 d强度 3.12MPa。相关系数 R= 0.870 2。思山岭铁矿 14 d 同条件下胶固粉材料充填 谷,2010(14):121-122. Lu Guangjun,Li Xinlei. Analysis on geological characteristics of sishanling iron mine in benxi city,liaoning province[J]. Silicon Valley,2010(14):121-122. 体强度为2.11MPa,固结粉胶凝材料充填体强度为同 · 202 · 梁 峰等:思山岭铁矿超细全尾砂固结粉充填胶凝材料研究 2019年第8期 中国恩菲设计思山岭铁矿采选工程启动[J].有色设备,2015 王有团,杨志强,王永前,等.金川棒磨砂新型充填胶凝材料的正 [10] 交试验研究[J].快瞄影院kmyytv电影网研究与开发,2014,34(4):27-31. Wang Youtuan,Yang Zhiqiang,Wang Yongqian,et al. Orthogo nal experimental study on a new type of filling and cementing mate rial for bar grinding in jinchuan[J]. Mining Research and Develop ment,2014,34(4):27-31. [ 2] (4):59. China Enfi design sishanling iron ore mining and separation project started[J]. Non-ferrous Equipment,2015(4):59. 杨春保,陈贤树,朱春启,等.石灰石—矿渣基午夜YY充填胶结剂的 [ 3] 研制及应用[J].采矿技术,2013,13(6): 44-46. Yang Chunbao,Chen Xianshu,Zhu Chunqi,et al. Development and application of filling cementing agent for limestone-slag base mine[J]. Mining Technology,2013,13(6): 44-46. 张东磊.碱激发矿渣胶凝材料综述[J].四川建材,2018,44(11): [11] 45-46. Zhang Donglei. Review of alkali-activated slag cementitious materi als[J]. Sichuan Building Materials,2008,44(11):45-46. 王丽红,鲍爱华,罗园园.中国充填技术应用与展望[J].快瞄影院kmyytv电影网研 [4] 究与开发,2017,37(3):1-7. 瞿 亮,王永前,高 谦,等.金川矿低成本早强充填胶凝材料充 Wang Lihong,Bao Aihua,Luo Yuanyuan. Application and pros pect of filling technology in China[J]. Mining Research and Devel opment,2017,37(3):1-7. [12] 填体强度试验研究[J].化工矿物与加工,2018,47(8):24-27. Qu Liang,Wang Yongqian,Gao Qian,et al. Experimental study on backfill strength of low-cost early-strength cementing material for jinchuan mine[J]. Chemical Minerals and Processing,2008, 47(8):24-27. 邹 俊,邱 宇,刘加冬.分段空场嗣后充填采矿法在南洺河铁 [ 5] 矿的应用[J].现代快瞄影院kmyytv电影网,2016(2):11-13. Zou Jun,Qiu Yu,Liu Jiadong. Application of separate open- pit backfilling mining method in minghe iron mine[J]. Modern Min ing,2016(2):11-13. 温 楷,高 谦,陈得信,等.磷石膏基胶凝材料充填体强度正 [13] 交-BP 神经网络模型研究[J].化工矿物与加工,2018,47(10): 60-64. 杨 昊,王志强,詹炳根.脱硫灰渣的改性及其对矿渣基充填料 Wen Kai,Gao Qian,Chen Dexin,et al. Research on orthogonal BP neural network model of backfill strength of phosphogypsum based cementite[J]. Chemical Minerals and Processing,2008,47 (10):60-64. [ 6] 性能的影响研究[J].金属午夜YY,2018(11): 193-196. Yang Hao,Wang Zhiqiang,Zhan Binggen. Modification of desul phurization ash residue and its influence on slag base filling perfor mance[J]. Metal Mine,2018(11): 193-196. 彭驿茹.人工神经网络发展历史与训练算法概述[J].科技传播, [14] 2018,10(21):129-130. 崔孝炜,倪 文,狄燕清.钢渣矿渣基全固废胶凝材料的化学活 [ 7] 化[J].硅酸盐通报,2018,37(4):1411-1417. Peng Yiru. Development history and training algorithm overview of artificial neural network[J]. Science and Technology Communica tion,2008,10(21):129-130. Cui Xiaowei,Ni Wen,Di Yanqing. Chemical activation of steel slag slag based solid waste cementite[J]. Silicate Bulletin,2008, 3 7(4):1411-1417. 郑晶晶,张钦礼,王新民,等.基于 BP 神经网络的充填钻孔使用 [15] 寿命预测[J].湘潭师范学院学报:自然科学版,2008(4):40-44. Zheng Jingjing,Zhang Qinli,Wang Xinmin,et al. Prediction of service life of filling and drilling based on BP neural network[J]. Journal of Xiangtan Normal University:Natural Science Edition, 2008(4):40-44. 苏艳艳,耿冠涛,孙凤群.矿渣微粉生产工艺技术分析[J].四川 [ 8] 水泥,2016(11):10. Su Yanyan,Geng Guantao,Sun Fengqun. Technical analysis of slag powder production process[J]. Sichuan Cement,2016(11): 1 0. 董培鑫,宋仁峰,高 谦,等.利用鞍钢烧结灰渣开发尾砂胶凝材 张钦礼,李谢平,杨 伟.基于BP网络的某午夜YY充填料浆配比优 [16] 化[J].中南大学学报:自然科学版,2013,44(7):2867-2874. Zhang Qinli,Li Xieping,Yang Wei. Optimization of slurry ratio of a mine based on BP network[J]. Journal of Central South Universi ty:Science and Technology,2013,44(7):2867-2874. [ 9] 料正交试验与决策[J].矿产保护与利用,2017(5): 24-28. Dong Peixin,Song Renfeng,Gao Qian,et al. Orthogonal test and decision on development of tailings cementing material with sin tered ash residue of anshan iron and steel corporation[J]. Mineral Protection and Utilization,2017(5): 24-28. (责任编辑 石海林) · 203 ·
  • 中矿传媒与您共建快瞄影院kmyytv电影网文档分享平台下载改文章所需积分:  5
  • 现在注册会员立即赠送 10 积分

皖公网安备 34050402000107号