Flotation separation of copper and nickel sulphides: Status and research needs
Notice bibliographique
Résumé
Polymetallic Ni-Cu sulfide ores are a major source of Ni, Cu and platinum group metals (PGM), with pentlandite ((Fe,Ni) 9 S 8 ) as the main Ni-bearing mineral, chalcopyrite (CuFeS 2 ) as the Cu-bearing mineral, and pyrrhotite (Fe (1-x) S) as the main sulphide gangue. Flotation separation of chalcopyrite from pentlandite has been accomplished commercially by depressing pentlandite using lime at high pH, sulphur dioxide combined with diethylenetriamine, or sodium cyanide. Dextrin (a polysaccharide) was used as a selective depressant for Ni sulphides in the differential flotation of Cu-Ni bulk concentrates at the Kotalahti Mine in Finland until the mine was closed in 1987. In the massive Cu-Ni sulphide reserves in the Sudbury region, the occurrence of another Ni sulphide mineral, millerite (NiS), has been frequently observed. Millerite is readily floatable and not depressed by the typical pentlandite depressants. Recent laboratory tests on high-purity single minerals have shown that dextrin can selectively depress millerite, whereas chalcopyrite remains unaffected. However, tests on real ores have been inconclusive. Since polysaccharide depressants adsorb on mineral surfaces through acid-base interaction with metal hydroxyl species on the mineral surfaces, cross-contamination of the mineral surfaces could nullify the selectivity of adsorption. Also, fine and ultrafine mineral particles can enter flotation concentrates by mechanical entrainment. Therefore, future research should focus on addressing the selectivity problem of polysaccharides in Cu-Ni sulphide flotation, as well as leveraging the functions of polysaccharides with different molecular weights to reduce the entrainment of ultrafine nickel sulphides in the copper concentrate.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».