解离是实现不同矿物分离富集的前提条件。其中,单体解离度是已完全单体解离的目的矿物含量与颗粒中矿物总含量之比,其决定了分选工艺中特定回收率下的最高品位。浮选作为最常用的基于润湿性差异实现矿物分选的方法,一般将目的矿物在颗粒表面暴露的面积与颗粒总表面积之比定义为矿物表面解离度。随着现代分析测试技术的不断发展,矿物解离分析方法经历了从2D 到3D 的发展历程。2D 矿物解离度分析方法主要包括扫描电镜矿物定量评价系统(QEMSCAN)、工艺矿物学参数自动测试系统(MLA) 和全自动矿物分析系统(TIMA)等。2D 分析通常采用样品切片形式,仅对固定分析面进行解析,而不是对颗粒原始的整体表面进行分析。对于单体解离或者矿物高度解离的颗粒,2D 分析一般可以代表矿物真实解离特性。然而对于矿物解离度较低的颗粒,2D 分析不可避免地存在体视学偏差,而且随着颗粒粒度增大,体视学偏差更为严重,因此需进行体视学偏差校正。但体视学修正模型的参数取决于矿石类型,对于多物相颗粒,目前体视学修正模型的扩展应用仍然受限。X 射线显微断层扫描(XMT)是一种非侵入式的矿物表面解离度3D 表征技术,其分析精度不受矿物解离程度影响,近年来在矿物解离分析领域正逐步受到关注。本文简要总结了现阶段不同的矿物解离分析技术特点及其适用范围,为浮选分离技术物性认知提供技术支持。
1 矿物2D 表面解离度分析
常规细粒浮选富集比高,以生产合格品位精矿为主,颗粒基本以单体解离或者高度解离矿物为主,解离度分析通常以QEMSCAN、MLA 和TIMA 等2D 表面分析技术为主。
定量电子显微镜-扫描电子显微镜系统(QEMSCAN)是最早的自动矿物学分析系统之一。通过对背散射电子图像信息(BEI)进行灰度分析,区分环氧树脂基底和颗粒,结合能量色散X 射线光谱(EDX)区分颗粒边界,通过矿物种类数据库和元素峰值比率来识别矿物。该技术分析速度较快,数小时可以分析数千种矿物,可以识别矿物组成、解离程度等信息。
QEMSCAN 在矿石工艺矿物学分析方面已有广泛应用,可以为矿物分选工艺设计及改进、矿物综合回收利用提供物性依据。例如,GUANIRA 等利用QEMSCAN 分析了某矽卡岩矿石(含斑铜矿、辉铜矿和氧化铜)分选尾矿的粒度分布、矿物组成及解离特性,预测了理论上尾矿的再选品位及回收率;霍强等对某铝土矿浮选尾矿中的+74 μm 粒级进行QEMSCAN 分析,发现再磨至一定细度的尾矿颗粒中一水硬铝石仅有12.45%完全解离,其余则以连生体形式存在,且11.01%的一水硬铝石呈细粒浸染状与铝硅结合物伴生,指出其无再选回收价值。
MLA 目前已发展为先进的工艺矿物学特征自动检测工具。MLA 分析结合了背散射电子(BSE)图像分析和X 射线矿物识别方法,BSE 图像分析包括颗粒解聚和相位分割两个过程。设置一组参数来检测并分离颗粒,通过控制每种方法的权重来进行合理分离。相位分割主要是对BSE 图像中灰度值均匀的区域进行划分,由平均灰度值得到对应的平均原子序数(AAN),确定对应的矿物。
MLA 可以自动定量评估矿物解离度,准确识别矿物种类并测定含量,自动化程度高且重复性好,可以为矿石可选性提供物性数据,用于确定适宜的磨矿和分选工艺。胡海祥等利用MLA 对某斑岩型锡矿石进行工艺矿物学分析,如图1 所示,发现锡石单体解离度仅为9.98%,绝大多数锡石呈细粒浸染状与石英、黄玉连生,最终确定了优先对硫化矿进行浮选回收,重选回收锡石的选矿流程。方明山等对某铅锌氧化矿石进行MLA 分析,发现异级矿(主要回收矿物)解离充分且粒度分布均匀,利于后续进行浮选分离回收。
TIMA 是基于SEM 和X 射线能谱分析(EDS)的矿物全自动化定量分析系统,具有颗粒自动解聚能力,得到梯度图像后,利用分水岭变换进行相位分割,再进行矿物种类分析。该技术通过整合背散射电子和二次电子所得信息,在高通量模式下,利用能谱探测仪以高计数率测量样品,结合分析软件,可以获得矿物组成、颗粒粒度、解离性质等方面信息。
TIMA 适用于组成较为复杂且粒度精细的样品,可用于监控和优化粉碎、研磨、浮选等选冶流程。杨波等利用TIMA 分析白云鄂博矿床综合利用过程中选铌原矿矿物组成、赋存状态及解离度,表明样品中存在易解石等4 种具有回收利用价值的矿物,但大部分含铌矿物解离度不足1%,磨矿效果需改善。张一帆等通过TIMA 发现龙桥矽卡岩型铁矿石的选矿产品(硫精粉)具有回收钴的潜在价值。
以上矿物自动分析仪器可以对待测样品进行无缝扫描,自动进行测量和统计,能够高效分析含量低及粒度细的矿物。对于已经单体解离或高度解离的颗粒,其二维剖面的解离信息能较好地反映矿物真实解离状态。
2 2D 表面解离度的体视学修正
近年来新兴的粗粒流态化浮选技术,不同于细粒浮选以生产合格品位精矿为目的,而是以抛尾为主要目标,颗粒可以以低解离度连生体为主。对于矿物解离度相对较低的粗颗粒,体视学偏差是以上3 种2D解离分析技术所面临的最大问题,因此需要进行体视学修正。1939 年,GAUDIN 首次指出解离程度的体视学偏差。基于2D 截面的周长和面积信息进行的矿物解离解析不足以代表真实的矿物在颗粒表面或体积占比,通常会高估矿物的实际解离状况,而且随着颗粒粒度增大,体视学偏差更为严重。另外,研究还发现体视学偏差与颗粒的赋存结构有关,如图2 所示,赋存结构简单的颗粒体视学偏差相对较大,矿物嵌布特征复杂的颗粒受体视学偏差的影响则相对较小。但对粗颗粒浮选而言,矿物表面解离度总体偏低,表面暴露状态的细微差别即可显著影响分选结果,因此体视学修正显得尤为重要。
图2 通过随机截面面积和周长观察具有相对简单和复杂赋存结构的三维二元粒子
国内外学者针对体视学修正开展了大量研究。MILLER 等通过计算机图像模拟,分析二维截面,获得线(周长)或面上的解离分布,通过核函数变换矩阵,来评估3D 解离情况,但指出该方法受颗粒表面矿物含量影响;LEIGH 等将随机纹理模型和数学中几何概率模型结合进行了体视学偏差修正;ZHANG 等用图像分析测量值评估模型参数,以此替代Barbery 模型对颗粒结构进行假设,该模型的预测能力与Barbery 模型相似,但分析精度随尺寸减小而降低;UEDA 等考虑了颗粒截面数量对矿物解离评估的影响,使用了基于颗粒截面纹理图像强度的分形维数δ 的立体校正方法,达到了96%的平均可靠性;此后,UEDA 等进一步通过数值模拟,得出颗粒内部结构对评估矿物表面暴露状态的体视学偏差影响最大,纵横比次之,校正球形度影响最小;近年来,UEDA 等开发了利用人工神经网格(ANN)进行体视学修正的方法,结合内部结构和颗粒形状,设置多种建模条件,在每种条件下进行计算以训练人工神经网络,并通过X 射线断层扫描人工二元颗粒,得到2D 和3D 表面解离数据并进行对比,结果表明,该方法修正准确度较高。
WANG 等基于2D 抛光截面周长的暴露表面积评估值与3D 断层扫描数据,对比分析了斑岩铜矿石的水力浮选原精尾矿,发现2D 解离分析值高于实际矿物解离度,当平均品位小于10%时,需要进行体视学修正。此外,WANG 等还开发了基于2D 数据的3D 解离修正模型,修正因子(SCF)见式(1),将2D解离分析所得的解离度与修正因子相乘,便可获得3D 解离度,但只适用于特定矿物,不具有一般性。
上述体视学修正方法中,多采用二元连生体颗粒来进行研究。实际上,矿石颗粒通常由多物相组成。HILDEN 和POWELL提出了多相矿物模型(即存在多个分散相)计算颗粒解离信息,并通过4 种硫化物矿石进行验证,颗粒体积品位(即目的矿物体积占颗粒体积百分比)在0.000 1%至65%之间时,该模型可以提供准确的解离信息和颗粒组成预测,有望为2D 解离度分析的体视学修正提供新的思路。但总体而言,体视学修正模型适用性有限,且扩展至多相矿物存在困难。
为克服矿物2D 解离分析方法存在的体视学偏差,亟待开发适用于解离度较低的粗粒连生体颗粒矿物表面暴露特征的分析技术。基于X 射线计算机显微断层扫描(XMT)的颗粒表面目的矿物3D 解离度分析方法无需对样品进行切片处理,能够以微米级空间分辨率和非侵入的形式揭示颗粒表面3D 结构,目前受到越来越多的关注。
断层扫描是基于吸收对比度或相位对比度的分析检测技术。对于由多种不同衰减系数的材料组成的物体,其透射强度并不均匀。因此,透射光束强度如图3 所示,可以表示为:
式中,I0 是入射光束强度,μ 是物体的线性衰减系数,x 是X 射线穿过样品的长度。
锥形束X 射线显微断层扫描系统一般包括:微焦点X 射线源、样品台、平板二维探测器和计算机处理系统等。图4 展示了XMT 样本分析和数据采集过程,XMT 分析是通过旋转射线源和检测器间的样品(颗粒分散在树脂中的圆柱形填充颗粒床)进行数据采集,收集投影图像,然后进行3D 图像重建,XMT 可以直接提供3D 结构特征,并且大多情况下可以进行无损表征,不需抛光制备样品。
颗粒表面暴露率的获取需要利用特定算法。WANG 等讨论了矿物在颗粒表面暴露率的分析方法,包括图像预处理、部分容积效应校正和目的矿物在颗粒表面暴露面积分析算法,算法简述为:首先从三维图像中得到整个颗粒相和有用矿物相,然后对颗粒相和有用矿物相的网格表面进行重建(Marching Cubes 方法),最后,将两种网格表面重叠匹配顶点,得到暴露表面积,以黄铁矿为例,该算法如图5 所示。
XMT 可以直接应用于矿物解离或颗粒表面暴露目的矿物总面积的精准分析,大量研究指出其提供了更准确的矿物表面解离特征,国内外学者采用XMT技术开展了大量矿物3D 解离度应用分析。REYES等基于XMT 技术,提出一种根据表面暴露和品位来评估解离的方法,通过斑岩铜矿石测试,表明基于XMT 的3D 解离分析可以更全面地评估矿物解离特征,并发现颗粒品位与矿物表面暴露率关系密切;OLIVEIRA 等利用高精度XMT 评估了铁矿石解离特征,发现颗粒品位和粒度都与表面暴露率存在线性关系,相关系数分别为0.921 9 和0.879 7,指出XMT可以更准确地评估颗粒解离性质;YANG 等利用XMT 方法对某-1 mm 的氟磷灰石矿进行工艺矿物学分析,相较于细颗粒,粗粒表面氟磷灰石的暴露面积更大,指出磨矿阶段应避免过磨现象;MILLER 等利用XMT 对某磷酸盐矿石进行了3D 解离度分析,开发了预测品位/回收率曲线(用于确定最佳选矿条件,即在实现最大回收率的同时,达到特定品位目标的条件)的模型,结合浮选试验,表明矿物浮选分离效率受到解离情况的限制。此外,XMT 还被用来评估浮选分离效率。MILLER 等利用高分辨率XMT对载金黄铁矿石流态化浮选精尾矿颗粒进行分析,发现黄铁矿在颗粒表面暴露率达1.5%以上即可进行有效回收。
综上,XMT 提供了更准确的矿物3D 解离度分析结果,一方面利于准确把握粗粒原矿表面暴露特征,以此来指导浮选工艺参数的调整与优化;另一方面可以对浮选尾矿进行精准分析,从而正确评估浮选效果。
