Flotation processing of copper-containing technogenic raw materials using a composite flotation reagent
Notice bibliographique
Résumé
The article presents the results of laboratory research on the possibility of flotation processing of copper-containing technogenic raw materials. Studies were performed using a sample of copper-containing tailings obtained after the processing of copper ore from the Kazakhstan deposit and a composite flotation reagent. The application of a combination of various collectors allows for raising technological indicators of flotation. The purpose of the research is the increase extraction of copper at flotation of copper-containing technogenic raw materials with the application of a composite reagent. The studied sample of tailings contains 0.23% of copper. A mixture of sodium butyl xanthate and thionocarbamate in the ratio of 1:1 was used as a composite flotation reagent. Parameters of flotation of copper-containing tailings were worked out: degree of regrinding, charges of sodium butyl xanthate, blowing agent T-92, and a composite reagent. Composite flotation reagent was fed into the flotation process of copper-containing tailings in the form of emulsion produced in a T 18 digital ULTRA-TURRAX dispersant. The optimal emulsification time of the composite flotation reagent was 1 min. Without emulsification in the composite reagent the percentage of particles smaller than 1.192 µm is 55.047%. After emulsification of the composite reagent for 1 minute, the percentage of particles smaller than 1.192 μm is 91.134%. In optimum basic mode the rough copper concentrate with a copper content of 4.2% was obtained with the extraction of 61.56%. With the use of a composite reagent, a blister copper concentrate with a copper content of 4.5% and a recovery of 66.54% was obtained. Extraction of copper increases by 4,98%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».