Application of Automated Quantitative Mineral Analysis System in Process Mineralogy of Low-grade Copper Slag
-
摘要:
矿产资源高效综合利用是目前全球矿业发展的主要方向。传统的光学显微镜和扫描电镜等技术在查明许多低品位矿石的元素赋存状态等方面具有局限性，且无法提供定量化的矿物学信息，制约了对这些金属矿石选矿工艺的提升。近年来，基于扫描电镜和X射线能谱仪的矿物自动定量分析系统越来越多地应用到复杂矿石和工艺矿物学的研究中。为了进一步丰富和拓展该类系统在工艺矿物学领域的应用研究，本文利用矿物自动定量分析系统TIMA（TESCAN Integrated Mineral Analyzer）对中国某矿山低品位铜矿渣样品进行矿物学测试分析，展示其在提取多种工艺矿物学参数研究中的具体应用。分析结果表明：该铜矿渣中铜元素含量（0.08%）很低，主要赋存在黄铜矿中，该矿物含量为0.21%；脉石矿物含有大量石英（47.46%）、白云母（10.10%）和方解石（9.88%）等；黄铜矿连生关系复杂，主要以连生体形式呈不规则粒状零散分布在石英和方解石等脉石矿物中，粒度小且分布极不均匀，其中11～76μm颗粒占比较大；解离度低于30%的黄铜矿颗粒质量占全部的85%左右，整体解离度较低，因而需要进一步磨矿来提升黄铜矿回收率。以上研究表明，对于有用矿物含量低、粒度细小且嵌布关系复杂的矿石样品，包括TIMA在内的矿物分析系统能够提供快速、定量、全面且准确的工艺矿物学参数信息，有利于优化选冶流程，在提高矿产资源的综合利用方面具有非常广阔的应用前景。
Abstract:BACKGROUNDThe high-efficient utilization of mineral resources is the leading research aspect of global mining development. Traditional optical and scanning electron microscopy have limitations in identifying the occurrence of elements in many low-grade ores and usually cannot provide quantitative mineralogy information, hindering the improvement of mineral processing of these ores. In recent years, automated mineral quantitative analysis systems based on scanning electron microscope and X-ray energy spectrometer have been increasingly applied to study complex ore formation and process mineralogy.
OBJECTIVESTo enrich and expand the application of an automated quantitative mineral analysis system in process mineralogy.
METHODSThe low-grade copper slag from a copper mine in China is analyzed using the TESCAN Integrated Mineral Analyzier (TIMA).
RESULTSThe results show that the content of the copper element (0.08%) in the copper slag is very low, and it is mainly distributed in chalcopyrite, which accounts for 0.21%. Gangue minerals include quartz (47.6%), muscovite (10.10%), and calcite (9.88%). Chalcopyrite usually occurs in irregular granular form and shows complex associations with the above gangue minerals. The particle size is small and variable, and the particles of 10-76μm occupy a large proportion. The mass of chalcopyrite with a liberation degree below 30% accounts for 85% of the total mass, and the overall liberation degree is low, so further grinding is needed to improve chalcopyrite recovery.
CONCLUSIONSResearch shows that for the ore samples with low content of useful minerals, small particle size, and complex mineralogical associations, the automated mineral analysis system, including TIMA, can provide rapid, quantitative, comprehensive, and accurate process mineralogy parameter information, which is conducive to optimizing the ore extraction and smelting process, and has an extensive application prospect in improving the comprehensive utilization of mineral resources.
-
铊属于稀散元素，常分散赋存于岩石中；在地球化学上既有亲石性，又有亲硫性。亲石性表现为以类质同象的形式与钾、钠等元素在云母和钾长石等富钾矿物共生；而在低温高硫环境中，则表现为亲硫性，以类质同象的形式进入各种铅锌铜铁等硫化物矿物中。20世纪70年代，为了寻找放射性同位素205Pb曾经存在的证据和探究核素合成的机理，科研人员开始了对铊同位素的研究［1］。在早期的研究中，由于测试用的热电离质谱仪(TIMS)的质量分馏不稳定，且难以激发高电离能的元素，导致铊同位素分析结果的精密度较差，不能满足大部分研究的需要。近些年，随着具备高电离能力的多接收器电感耦合等离子体质谱仪(MC-ICP-MS)的出现，同时得益于铅对分析过程中铊同位素分馏的校正，使分析结果的精密度有了大幅提高(优于0.05‰)［2-5］。
由于铊兼有亲石和亲硫性，其同位素组成对吸附、共沉淀、氧化还原等过程较为敏感，因此可以被应用于天体演化［6］、古环境变化［7］、矿床成因［8］及污染物迁移［9-11］等过程的示踪。但因为自然界样品中铊的含量低(地壳中铊的平均含量仅为0.75mg/kg)，且同位素组成的变化范围和自然分馏效应很小［12］，导致很难获得高精度和高准确度的铊同位素数据。因此，除高精度的仪器测量外，样品的消解、分离和纯化等化学前处理流程对铊同位素分析结果的准确与否也至关重要。对于铊含量的分析，分解试样时如果不知道矿石中铊的赋存状态，一般选用含有氢氟酸的混合酸或强碱性熔剂分解［13-16］。而对于富含有机质的样品，由于亚铊的氧化物、氯化物等具有挥发性，应避免使用直接灼烧法除去有机质，而是采用湿法氧化分解［14，16］。目前国内外地质样品中铊同位素测定的消解方法主要为电热板加热法。这种方法便于在洁净的化学实验室完成，但清洗容器和样品消解过程的用时较长，耗时往往超过一周［4］。根据地质样品岩性的不同，消解所用的混合酸体系也不相同，尚无统一的标准。铊的分离和纯化一般利用Tl+和Tl3+在盐酸介质中与Cl−络合能力的不同。需要注意的是，在纯化后的铊馏分中应尽可能减小铅量，否则由于残留的铅同位素组成是未知的(校正时添加标液的铅同位素是已知的)，会影响铊的同位素分馏校正；此外，天然样品204Pb的自然丰度虽然仅有铅总量的1.4%，但204Pb1H多原子离子干扰对于铊同位素的高精度测量仍不可忽视。目前，使用阴离子交换树脂(如AG1-X8或AG-MP-1M树脂)二次过柱是普遍采用的铊提纯方法。该方法由Rehkämper等［2］首次提出，后经Nielsen等［3］、Baker等［6］、Owens等［17］研究团队发展和完善。该方法两次过柱均采用同一种阴离子交换树脂，第一次分离时采用装有1.5mL树脂的石英柱，依次用硝酸-氢溴酸-饱和溴水淋洗液洗脱基体元素、盐酸-饱和溴水淋洗液洗脱干扰元素铅，最后用盐酸-二氧化硫淋洗液收集铊。收集到的铊馏分经硝酸蒸干后，加入氢溴酸-饱和溴水提取液进行二次过柱，以保证完全消除干扰组分的影响。第二次过柱时，除所用体积与第一次不同之外，淋洗液的类型和浓度均与第一次相同。此外，Wang等［5］开发了磷酸三丁酯(TBP)树脂和AG50W-X12阳离子交换树脂的两级串联分离纯化方案，以NIST 997为参考物质测定BHVO-2、BCR-2、AGV-2、GSP-2、COQ-1、NOD-P-1、NOD-A-1、GBW07406、SCO-1共9种地质标准样品的同位素组成，获得了理想的结果。
微波消解是一种利用微波的穿透性和激活反应能力加热密闭容器内的试剂和样品的技术，具有省时、省酸、安全、空白值低、易实现自动监控、污染小以及损失少等优点，已广泛应用于食物［18-19］、环境［20］、生物［21］、植物［22］以及矿物［23-26］等样品中重金属元素的分析。本文为提高铊同位素分析中化学前处理流程的效率，研究了利用微波消解技术分解地质样品进行铊同位素分析的可行性，比较了硝酸-氢氟酸-盐酸-过氧化氢和硝酸-氢氟酸-高氯酸混合酸体系对样品的消解情况。消解后的样品经AG1-X8阴离子交换树脂分离纯化后，采用MC-ICP-MS结合铅标准溶液(NIST SRM981)质量分馏校正法进行同位素分析。使用优化后的实验方案分析了4个地质标准物质的铊同位素组成，获得较为满意的结果。
1. 实验部分
1.1 仪器和主要装置
铊同位素组成的测试运用Neptune plus多接收器电感耦合等离子体质谱仪(MC-ICP-MS，美国ThermoFisher公司)完成，进样系统包括双路气旋式雾化室、Jet样品锥和X截取锥，检测器包括9个法拉第杯和1个离子计数器。
淋洗曲线标定及回收率测试应用7500cx电感耦合等离子体质谱仪(ICP-MS，美国Agilent公司)完成，内标溶液为10ng/mL铑(2%硝酸介质)。MC-ICP-MS和ICP-MS质谱仪的主要工作参数见表1。
表 1 MC-ICP-MS和ICP-MS仪器主要工作参数Table 1. Main operation conditions of MC-ICP-MS and ICP-MS instruments工作参数 设定值 MC-ICP-MS ICP-MS 冷却气(Ar)流速(L/min) 16.00 14.95 辅助气(Ar)流速(L/min) 0.86 0.28 雾化气(Ar)流速(L/min) 0.05 0.92 射频功率(W) 1152 1470 积分时间(s) 4.194 / 每组测量次数 30 / 测量组数 1 / 实验用水由超纯水系统(美国Millipore公司)制备，电阻率18.2MΩ·cm。
高纯酸由NJ-SCH-I酸纯化器(南京滨正红仪器有限公司)纯化。
样品消解由Ethos1微波消解仪(意大利Milestone公司)完成。
PFA微型离子交换柱：北京博明远科技有限公司，下部为0.65cm(内径)×10.0cm(高)，上部为1.5cm(内径)×5cm(高)，总容量约15mL，底部为孔径20μm的亲水性筛板。
1.2 标准物质和主要试剂
铅同位素标准溶液NIST SRM981、铊标准溶液GSB 04-1758-2004和地质标准物质(NOD-P-1、NOD-A-1、GBW07406、GSP-2)详细信息见表2。
表 2 地质标准物质和同位素标准溶液的详细信息Table 2. Details of geological reference materials and isotope reference solutions标准物质编号 样品类型 研制单位 推荐值 铊 铅 NIST SRM 981 铅同位素标准溶液 美国标准与技术研究院(NIST) / 10μg/mL GSB 04-1758-2004 铊标准溶液 中国有色金属及电子材料分析测试中心 1000μg/mL / NOD-P-1 铁锰结核 美国地质调查局(USGS) 210±2μg/g 560±6μg/g NOD-A-1 铁锰结核 美国地质调查局(USGS) 120±1.0μg/g 846±8.2μg/g GBW07406 土壤 中国地质科学院地球物理地球化学勘查研究所 2.2±0.6μg/g 314±25μg/g GSP-2 花岗岩 美国地质调查局(USGS) 1.1±0.1μg/g 43±3μg/g 阴离子交换树脂(AG1-X8，100～200目)：购自美国Bio-Rad公司。
优级纯的盐酸、硝酸和氢氟酸(上海国药集团化学试剂有限公司)：经二次亚沸蒸馏纯化后使用；高氯酸(优级纯，上海国药集团化学试剂有限公司)；过氧化氢、饱和溴水(分析纯，广州西陇化工股份有限公司)；二氧化硫标准气体(99.9%，广东英德市西洲气体有限公司)。
0.1mol/L盐酸-6%二氧化硫溶液的配制：将二氧化硫标准气体通入0.1mol/L盐酸中，使其质量增加6%，现用现配。
1.3 样品消解
根据铊在样品中的含量，称取50～300mg粉末状样品(200目，105℃烘干2h)于干净的PFA(可溶性聚四氟乙烯)消解罐中，用少量水润湿，加入2mL氢氟酸、2mL硝酸和0.5mL高氯酸；充分混匀，放置反应1h后，加盖拧紧；按表3的升温程序进行微波消解。冷却后，缓慢泄压放气，打开消解罐，将样品转移至15mL 聚四氟乙烯杯中180℃加热至白烟冒尽，加入2mL 6mol/L盐酸溶解，120℃蒸干，重复一次(除尽氢氟酸、硝酸和高氯酸)。最后加入2mL 2mol/L硝酸-1%饱和溴水，加盖密闭后80℃加热12h，待溶液冷却，离心后进行色谱分离。
表 3 样品处理微波消解程序Table 3. Microwave digestion procedure for sample pretreatment步骤 消解温度
(℃)消解功率
(W)加热时间
(min)保持时间
(min)1 120 400 5 5 2 150 800 5 5 3 190 1200 5 20 需要特别注意的是：①所有的敞口操作必须在超净工作台进行，以防外部环境中铅及其他元素的污染；②为避免酸的损失和安全伤害，消解罐必须完全冷却后才能泄压开盖［22］。
1.4 铊的纯化
铊的纯化流程在Nielsen等［3，27］的研究基础上作了部分优化，优化内容主要包括：①将双柱淋洗修改为单柱淋洗；②控制淋洗液的总体积在28mL。详细步骤如下(流程见表4)：采用湿法填充树脂柱，将约2mL AG1-X8树脂置于微型离子交换柱中，依次用1mL 0.1mol/L盐酸-6%二氧化硫和1mL超纯水清洗两遍，再用2mL 2mol/L硝酸-1%溴水平衡树脂2次；然后将离心后的样品溶液加载于树脂柱上，用2mL 2mol/L硝酸-1%溴水淋洗6次和2mL超纯水淋洗1次，以除去基体元素；随后用2mL 0.1mol/L盐酸-6%二氧化硫淋洗5次，收集铊。最后将收集到的0.1mol/L盐酸-6%二氧化硫溶液置于电热板120℃蒸干，然后用0.5mL 0.1%硫酸-2%硝酸溶解，准备进行质谱测试。
表 4 铊同位素的离子交换流程(2mL AG1-X8树脂，100～200目)Table 4. Chemical purification procedure for Tl isotopes (2mL AG1-X8 resin, 100-200 mesh)步骤 淋洗液 淋洗液体积
(mL)淋洗
次数实验目的 1 0.1mol/L盐酸-6%二氧化硫 1 2 清洗树脂 2 超纯水 1 2 清洗树脂 3 2mol/L硝酸-1%溴水 2 2 清洗/平衡树脂 4 2mol/L硝酸-1%溴水 2 / 装载样品 5 2mol/L硝酸-1%溴水 2 6 洗脱基质 6 超纯水 2 1 洗脱NO3−和BrO− 7 0.1mol/L盐酸-6%二氧化硫 2 5 收集铊 1.5 铊同位素分析
铊同位素的分析测定在桂林理工大学广西隐伏金属矿产勘查重点实验室进行。由于自然界样品的铊同位素组成的变化范围很小，用传统的千分偏差“δ”往往不能有效地反映其同位素组成的差异，所以国际上铊同位素测试结果普遍以万分偏差“ε”来表示［1］。另外，由于未购买到国际上普遍认可的铊同位素标准物质NIST 997，本文选择以中国有色金属及电子材料分析测试中心研制的铊同位素物质GSB 04-1758-2004为参照，即用ε205TlGSB Tl表示：
$$ \varepsilon^{205}\mathrm{T}\mathrm{l}_{\mathrm{G}\mathrm{S}\mathrm{B}\ \mathrm{T}\mathrm{l}}=\left[\frac{(^{205}\mathrm{T}\mathrm{l}/^{203}\mathrm{T}\mathrm{l})_{\mathrm{s}\mathrm{a}\mathrm{m}\mathrm{p}\mathrm{l}\mathrm{e}}}{(^{205}\mathrm{T}\mathrm{l}/^{203}\mathrm{T}\mathrm{l})_{\mathrm{G}\mathrm{S}\mathrm{B}\mathrm{ }\ \mathrm{T}\mathrm{l}}}-1\right]\times10000 $$ 测试时MC-ICP-MS仪器的法拉第杯结构为：L3(202Hg)、L2(203Tl)、L1(204Pb)、C(205Tl)、H1(206Pb)、H2(207Pb)、H3(208Pb)，其他主要工作参数见表1。样品引入时的介质均采用2%的硝酸，2ng/mL GSB 04-1758-2004标准溶液对应205Tl电压信号约为1.2V。测试过程产生的质量歧视通过加入已知铅同位素组成的溶液(NIST SRM981)进行校正，计算方法参考文献[5]。在这项研究中，铅标准溶液的质量按照mPb/mTl=10/1加入。在每次测量开始之前，都需要仔细调整仪器参数，以确保铊和铅的信号强度最大化；同时，进行重复的质量扫描，以检查法拉第杯位置是否合适并监测峰形，确保同位素比值测量的仪器条件。此外，为了校正样品的铊同位素组成，在每次分析前后均测量一次标准物质GSB 04-1758-2004。
2. 结果与讨论
2.1 消解条件的优化
2.1.1 无机酸组成及用量的影响
针对土壤和沉积物样品中的金属总量分析，中国环境保护标准《土壤和沉积物 金属元素总量的消解-微波消解法》(HJ 832—2017)推荐使用11mL硝酸-氢氟酸-盐酸的混合酸组合对样品进行消解。然而，若地质样品中的有机质或难溶矿物含量较高时，样品难以被完全分解，需使用硝酸-氢氟酸-高氯酸进行二次消解［28］。高氯酸和过氧化氢可以提高消解体系的分解能力，因此，本文试验了硝酸-氢氟酸-盐酸-过氧化氢和硝酸-氢氟酸-高氯酸两种混合酸体系对样品的消解情况。此外，为了控制干扰元素(特别是铅)的引入，实验中对酸的用量也进行了优化。
选择土壤标样GBW07406，称样量0.2g，加入不同的混合酸组合，按表3中程序进行微波消解，测定结果见表5。在硝酸-氢氟酸-盐酸-过氧化氢混合酸体系中，当用酸量总体积为4mL(组号1-1)时，消解液中有少量不溶的白色沉淀，此时铊回收率仅有84.7%，说明酸用量太少，不足以将0.2g样品消解完全。将酸用量进一步提升(组号1-2和1-3)，所得消解液为清亮透彻的黄色溶液，铊回收率均接近100%，说明硝酸-氢氟酸-盐酸-过氧化氢体系中，7mL酸用量(组号1-2)就可以将0.2g样品消解完全。在硝酸-氢氟酸-高氯酸混合酸体系中，消解样品所用的酸量要少，仅4.5mL(组号2-2)就可将0.2g样品消解完全，此时得到的消解液为清澈透亮的黄色溶液，铊回收率为98.2%。鉴于同位素分析中尽可能低本底的需求，本实验选择2mL硝酸-2mL氢氟酸-0.5mL高氯酸(组号2-2)的混合酸体系对样品进行消解。
表 5 不同无机酸种类及用量的消解效果对比(n=3)Table 5. Comparison of digestion effects of different types and volumes of inorganic acids (n=3)混合酸体系 实验组号 混合酸体系各酸用量
(mL)样品消解效果观察 铊回收率
(%)硝酸-氢氟酸-
盐酸-过氧化氢1-1 1+1+1+1 有少量不溶白色沉淀 84.7 1-2 2+2+2+1 黄色消解液清澈透亮 98.4 1-3 5+3+3+1 黄色消解液清澈透亮 98.6 硝酸-氢氟酸-
高氯酸2-1 1+1+0.5 有少量不溶白色沉淀 81.9 2-2 2+2+0.5 黄色消解液清澈透亮 98.2 2-3 5+3+0.5 黄色消解液清澈透亮 99.0 需要特别指出的是，高氯酸与有机质在密闭系统中反应剧烈，易发生爆炸，使用时不仅要严格控制其用量，还要在微波消解之前放置反应一段时间(本文建议时长为1h)。
2.1.2 微波消解程序的选择
为了考察微波消解程序中的最高温度和保持时间对消解效果影响，本文选择土壤标样GBW07406为试验样品，保持其他条件不变；以表3中步骤3的消解温度和保持时间为因素，进行正交试验，分析结果如表6所示。结果表明，当消解温度设定在190℃，保持时间为20min时，铊的回收率大于98%。继续升高消解温度和增加保持时间并不能使铊的回收率显著提高，且高温高压易造成微波消解内管变形，影响其密闭性。因此，190℃保持20min为本文推荐使用的微波消解条件，此时总的微波消解时间为45min。
表 6 消解温度和保持时间的正交试验结果(n=3)Table 6. Orthogonal test results of digestion temperature and holding time (n=3)编号 因素水平 铊回收率
(%)消解温度(℃) 时间(min) 1 180 15 86.6 2 180 20 93.1 3 190 15 94.0 4 190 20 98.2 5 200 15 97.8 6 200 20 99.1 2.2 铊在阴离子交换树脂上的淋洗曲线
203Tl和205Tl的干扰主要来自163Dy40Ar、165Ho40Ar、187Re16O、189Os16O、202Hg1H、204Hg1H和204Pb1H等多原子离子团，因此在进行铊的纯化时需特别关注共存元素镝、钬、铼、锇、汞和铅的分离情况。
选择0.2g消解后的标准物质GBW07406为试验样品，按表4中铊同位素的离子交换流程，以1mL为单位接取馏分；利用ICP-MS测定各馏分中相应元素的含量并绘制淋洗曲线，结果如图1所示。从淋洗曲线中可以看出，绝大多数基质元素及干扰元素(包括镝、钬、铼、锇、汞和铅)被最开始的6mL 2mol/L硝酸-1%溴水洗脱。为了尽可能地减少铅的残留，本课题组继续使用了6mL 2mol/L硝酸-1%溴水淋洗；接下来，用2mL超纯水将树脂中的氧化性离子(NO3−和BrO−)洗脱。随后以10mL 0.1mol/L盐酸-6%二氧化硫淋洗并收集馏分中的铊。通过对该馏分的组分分析发现，铊的回收率约为98.5%，镝、钬、铼、锇和汞几乎无残留，铅的残留量不足铊量的1/10，钡有一定的残留，约为总钡量的4%。其中，接取液中钡和极少量铅的残留对铊的同位素测试没有影响，当地质样品中的铅/铊比值大于1000时，铅的残留可能会导致铊同位素组成测定结果偏高［5］，此时建议进行二次过柱。
![]()
图 1 铊的淋洗曲线(AG1-X8树脂，100～200目)，其中2mol/L硝酸-1%溴水洗脱基体元素，超纯水洗脱残留NO3−和BrO−，0.1mol/L盐酸-6%二氧化硫收集铊Figure 1. Elution curves of Tl (AG1-X8 resin, 100-200 mesh), 2mol/L HNO3-1% Br2 for eluting matrix elments, ultrapure water for eluting NO3− and BrO−, 0.1mol/L HCl-6% SO2 for collecting Tl.2.3 基质中铁钙铝对铊测量的影响
铊在地质样品中的含量通常低于0.1μg/g，往往需要加大称样量来提高测试精度。大多数样品以硅质或碳质为主，经消解后，硅和碳都挥发除去，所留下的盐分很少，而富含赤铁矿(铁高)、灰岩(钙高)和高岭土(铝高)等类型的地质样品，消解后的溶液中金属离子的浓度很高，而树脂的总离子交换容量一般在3～6mmol/g(干基)或1～2mmol/g(湿基)。因此，为考察这三种阳离子对淋洗流程的干扰，本文采用标准加入法考察了三氧化二铁、氧化钙和三氧化二铝对上述淋洗曲线中铊回收率的影响。操作步骤为：取三组1mL 1μg/mL铊标准溶液(GSB 04-1758-2004)，分别加入0.1～0.5g的Fe2O3、CaO和Al2O3，按第1.3、1.4、1.5节进行前处理和样品测试。三种元素的加入量与铊回收率之间的关系如图2所示。
![]()
图 2 三氧化二铁、氧化钙和三氧化二铝对铊回收率的影响(n=3)Figure 2. Influences of the load of Fe2O3, CaO and Al2O3 on the recovery of Tl (n=3)从图2可以看出，CaO的加入对铊回收率的影响很小，可以忽略。Fe2O3的影响最大，当其加入量为0.4g(约2.56mmol)时，铊的回收率开始下降，约为90%；当加入量为0.5g时，铊的回收率下降到只有75%左右。这可能是因为随着样品中Fe3+的增多，用盐酸淋洗时容易形成络合物FeCl4−，占据离子交换反应位点，使树脂的交换容量达到饱和，从而降低了铊的回收率。而对于Al2O3，当其加入量为0.5g(约4.90mmol)时，铊的回收率略有下降，约为93%，从观察到的实验现象判断，原因应是Al2O3有部分结晶，夹杂着少量铊进入固相析出而导致的。因此，对于基质中含铁、铝矿物较高的样品应控制其称样量，以防树脂的交换容量饱和而导致铊回收率偏低。
2.4 流程空白
通过三份空白试验使用第1.3、1.4、1.5节步骤中的流程进行铊同位素分析，最终确定整个实验流程中铊的空白值低于10pg，远低于普通地质样品中铊含量的1‰，对测试结果的影响可以忽略［23］。
2.5 地质标准物质中铊同位素组成的测定结果
为了确保MC-ICP-MS测定铊同位素的长期可重复性，对铊标准溶液GSB 04-1758-2004进行40次测量，结果如图3所示。图中的205Tl/203Tl值是以铅标准溶液NIST SRM981为外标校正后的结果(相对于208Pb/206Pb=2.1076)。本实验室的测量结果为205Tl/203Tl=2.38775，标准偏差(2σ)为0.00011，说明仪器的稳定性较好。
![]()
图 3 铊标准溶液GSB 04-1758-2004测量结果的稳定性(n=40)Figure 3. The reproducibility of analytical results for Tl standard solution GSB 04-1758-2004 (n=40)按照优化后的化学流程，处理4个地质标准物质，并进行铊同位素组成的测定。从表7中的测定结果可以发现，4个标准物质的2SD均优于0.3(n=6)，说明本方法具有较高的精密度。由于与文献选用的同位素标准物质不同，方法的准确度可以用两者间差值变化情况来考察。通过与文献的结果对比发现，标准物质NOD-P-1、GBW07406和GSP-2的ε205Tl差值(ε205TlNIST 997−ε205TlGSB Tl)均为0.8，NOD-A-1的ε205Tl差值为0.7，说明方法具有较好的准确性；此外，可以估算标准物质GSB 04-1758-2004相对于NIST 997的ε205Tl值应约等于0.8。
表 7 地质标准物质中铊同位素组成的测定结果及文献对比Table 7. Comparison of analytical results of Tl isotope composition in geological reference materials determined by this method and those in the literatures3. 结论
通过对铊同位素分析中的消解方法、淋洗曲线和流程空白的分析讨论可知，采用微波消解法，在2mL硝酸-2mL氢氟酸-0.5mL高氯酸的混合酸体系中选用适当的消解程序，可以将0.2g土壤标准物质GBW07406彻底消解；利用AG1-X8阴离子交换树脂，依次以2mL 2mol/L硝酸-1%饱和溴水淋洗6次、2mL超纯水淋洗1次和2mL 0.1mol/L盐酸-6%二氧化硫淋洗5次，并收集0.1mol/L盐酸-6%二氧化硫的馏分，可有效地纯化地质样品中的铊。该淋洗流程所允许上样溶液中含有三价铁和三价铝离子的量分别不应超过2.56mmol和4.90mmol，否则引起树脂的离子交换容量饱和而导致铊回收率降低。与前人相比，该流程缩短了消解时间，采用AG1-X8树脂单柱法进行铊同位素的纯化，将淋洗液的总体积优化至24mL。本工作提高了铊同位素分析中化学前处理流程的效率，将此方法应用于4个不同地质标准物质的铊同位素比值的测定，结果证明具有较好的精密度和准确性。
需要指出的是，由于外界因素的制约，国际上普遍认可的NIST 997标准物质在中国已很难购买，影响了国内铊同位素地球化学研究工作的开展，所以中国亟需研制出国际上认可的铊同位素标准物质。
-
![]()
图 1 TIMA解离模式测试铜矿渣树脂靶样品流程示意图
Figure 1. Schematic diagrams of TIMA analysis process using resolution liberation analysis mode for the copper tailings.
![]()
图 2 （a）铜矿渣TIMA矿物伪彩相图（局部）和（b）矿物含量百分比组成（%）
Figure 2. （a） TIMA false-colored mineral phase map of copper tailings （partial） and （b） mineral abundance distribution map （%）.
![]()
图 3 （a）铜矿渣元素质量分布柱状图；（b）铜元素赋存状态分布图
Figure 3. （a）The element mass distribution histograms of the copper tailings; （b） Copper element distribution between the copper minerals.
![]()
图 4 （a）铜矿渣中铜元素分布图以及黄铜矿的能谱谱图特征； （b）黄铜矿在铜矿渣背散射图像中的分布特征及其矿物共生关系
Figure 4. （a） Distribution of copper element and the EDS spectrum of the chalcopyrite in copper tailings; （b） Distribution and mineral paragenesis characteristics of chalcopyrite in backscatter images.
![]()
图 5 （a）铜矿渣中含黄铜矿颗粒TIMA矿物统计图（矿物图例与图2一致）；（b）黄铜矿在各含铜颗粒中的分布特征
Figure 5. （a） Summary of the TIMA false-colored chalcopyrite-bearing mineral particles in copper tailings （mineral legend is consistent with Fig.2）; （b） Distribution characteristics of chalcopyrite in copper-bearing particles.
![]()
图 6 铜矿渣中黄铜矿颗粒粒度（横坐标μm）分布图
Figure 6. Histogram of size (abscissa, μm) distribution of chalcopyrite in the copper tailings.
![]()
图 7 铜矿渣中黄铜矿与其他矿物在微米尺度下典型的连生关系类型
Figure 7. Interlocked relationship types (neighboring, stringer, shell and wrapped) of chalcopyrite and other minerals (quartz, actinolite, calcite, biotite and andradite) at micron scale in the copper tailings.
![]()
图 8 铜矿渣中黄铜矿与其他矿物连生关系统计图
Figure 8. Statistical histogram of the association relationship of chalcopyrite and other minerals (quartz, magnetite, calcite, dolomite, actinolite, pyrite, muscovite, et al.) in the copper tailings.
![]()
图 9 （a）铜矿渣中不同解离度条件下黄铜矿的质量分布柱状图（%）； （b）不同解离度范围内的含黄铜矿矿物颗粒特征（矿物图例与图2一致）
Figure 9. （a） Bar chart of chalcopyrite mass fraction with different degrees of liberation in the copper tailings; （b） Particle characteristics under different degrees of liberation （mineral legend is consistent with Fig.2）.
-
[1] 孟晶, 杨洪英, 张忠辉, 等. 青海—阿斯哈矿区金矿工艺矿物学及金赋存状态研究[J]. 有色金属(选矿部分), 2022(5): 1−7,15. Meng J, Yang H Y, Zhang Z H, et al. Study on process mineralogy and gold hosting state of gold deposits in Qinghai Asha mining area[J]. Nonferrous Metals (Mineral Processing Section), 2022(5): 1−7,15.
[2] 杨波, 杨莉, 沈茂森, 等. TIMA测试技术在白云鄂博矿床铌工艺矿物学中的应用[J]. 矿冶工程, 2021, 41(6): 65−68. doi: 10.3969/j.issn.0253-6099.2021.06.016 Yang B, Yang L, Shen M S, et al. Application of TIMA in process mineralogy study of niobium minerals in Bayan Obo deposit[J]. Mining and Metallurgical Engineering, 2021, 41(6): 65−68. doi: 10.3969/j.issn.0253-6099.2021.06.016
[3] 陈福林, 杨晓军, 何婷, 等. 四川冕宁牦牛坪稀土矿尾矿工艺矿物学分析[J]. 现代矿业, 2018, 34(8): 110−112. Chen F L, Yang X J, He T, et al. Process mineralogy analysis of tailings from Mianning Maoniuping rare earth mine in Sichuan Province[J]. Modern Mining, 2018, 34(8): 110−112.
[4] 周乐光. 工艺矿物学（第三版）[M]. 北京: 冶金工业出版社, 2002: 1-301. Zhou L G. Process mineralogy （The 3rd edition）[M]. Beijing: Metallurgical Industry Press, 2002: 1-301.
[5] 肖仪武, 方明山, 付强, 等. 工艺矿物学研究的新技术与新理念[J]. 矿产保护与利用, 2018(3): 49−54. doi: 10.13779/j.cnki.issn1001-0076.2018.03.009 Xiao Y W, Fang M S, Fu Q, et al. New techniques and concepts in process mineralogy[J]. Conservation and Utilization of Mineral Resources, 2018(3): 49−54. doi: 10.13779/j.cnki.issn1001-0076.2018.03.009
[6] Gu Y. Automated scanning electron microscope based mineral liberation analysis[J]. Journal of Minerals and Materials Characterization and Engineering, 2003, 2(1): 33−41. doi: 10.4236/jmmce.2003.21003
[7] 彭明生, 刘晓文, 刘羽, 等. 工艺矿物学近十年的主要进展[J]. 矿物岩石地球化学通报, 2012, 31(3): 210−217. doi: 10.3969/j.issn.1007-2802.2012.03.003 Peng M S, Liu X W, Liu Y, et al. The main advances in process mineralogy in China in the last decade[J]. Bulletin of Mineralogy, Petrology and Geochemistry, 2012, 31(3): 210−217. doi: 10.3969/j.issn.1007-2802.2012.03.003
[8] 叶小璐, 肖仪武. 工艺矿物学在选厂流程优化中的作用[J]. 有色金属(选矿部分), 2020(4): 13−16,33. doi: 10.3969/j.issn.1671-9492.2020.04.003 Ye X L, Xiao Y W. Role of process mineralogy in process optimization of concentrator[J]. Nonferrous Metals (Mineral Processing Section), 2020(4): 13−16,33. doi: 10.3969/j.issn.1671-9492.2020.04.003
[9] 温利刚, 贾木欣, 王清, 等. 基于扫描电子显微镜的自动矿物学新技术——BPMA及其应用前景[J]. 有色金属(选矿部分), 2021(2): 12−23. doi: 10.3969/j.issn.1671-9492.2021.02.003 Wen L G, Jia M X, Wang Q, et al. New automatic mineralogy technology based on scanning electron microscope—BPMA and its application prospect[J]. Nonferrous Metals (Mineral Processing), 2021(2): 12−23. doi: 10.3969/j.issn.1671-9492.2021.02.003
[10] 陈倩, 宋文磊, 杨金昆, 等. 矿物自动定量分析系统的基本原理及其在岩矿研究中的应用——以捷克泰思肯公司TIMA为例[J]. 矿床地质, 2021, 40(2): 345−368. doi: 10.16111/j.0258-7106.2021.02.010 Chen Q, Song W L, Yang J K, et al. Principle of automated mineral quantitative analysis system and its application in petrology and mineralogy:An example from TESCAN TIMA[J]. Mineral Deposits, 2021, 40(2): 345−368. doi: 10.16111/j.0258-7106.2021.02.010
[11] 温利刚, 贾木欣, 王清, 等. 自动矿物学新技术——BPMA技术及在煤中的应用[J]. 中国煤炭地质, 2019, 31(9): 8−17. doi: 10.3969/j.issn.1674-1803.2019.09.02 Wen L G, Jia M X, Wang Q, et al. A new technology for automated process mineralogy:BPMA technology and its application in coal research[J]. Coal Geology of China, 2019, 31(9): 8−17. doi: 10.3969/j.issn.1674-1803.2019.09.02
[12] 施明哲. 扫描电镜和能谱仪的原理与实用分析技术[M]. 北京: 电子工业出版社, 2015: 1-400. Shi M Z. Principles and practical analysis techniques of scanning electron microscopy and energy spectrometer[M]. Beijing: Electronic Industry Press, 2015: 1-400.
[13] 高歌, 王艳. MLA自动检测技术在工艺矿物学研究中的应用[J]. 黄金, 2015, 36(10): 4. Gao G, Wang Y. Application of MLA automatic detection technology in process mineralogy research[J]. Gold, 2015, 36(10): 4.
[14] 李建华, 孙小俊. MLA技术在某铜钼矿选矿工艺研究中的应用[J]. 有色金属(选矿部分), 2018(5): 1−5. Li J H, Sun X J. Application of MLA technology in process mineralogy research on copper-molybdenum ore[J]. Nonferrous Metals (Mineral Processing Section), 2018(5): 1−5.
[15] Al-Ali S, Wall F, Fitzpatrick R, et al. Key process mineralogy parameters for rare earth fluorcarbonate-bearing carbonatite deposits:The example of Songwe Hill, Malawi[J]. Minerals Engineering, 2020, 159: 106617. doi: 10.1016/j.mineng.2020.106617
[16] 李广, 肖琴, 胡海祥, 等. MLA在斑岩型锡石矿工艺矿物学研究中的应用[J]. 有色金属(选矿部分), 2019(6): 5−11. Li G, Xiao Q, Hu H X, et al. Application of MLA to study characteristics and occurrences of porphyry tin ore[J]. Nonferrous Metals (Mineral Processing Section), 2019(6): 5−11.
[17] 张文, 田承涛, 翁孝卿, 等. 矿物解离分析系统在磷石膏工艺矿物学研究中的应用[J]. 矿产综合利用, 2022(1): 205−210. doi: 10.3969/j.issn.1000-6532.2022.01.030 Zhang W, Tian C T, Weng X Q, et al. Research on the process mineralogy of phosphogypsum using mineral liberation analysis system[J]. Multipurpose Utilization of Mineral Resources, 2022(1): 205−210. doi: 10.3969/j.issn.1000-6532.2022.01.030
[18] 温利刚, 付强, 于志超, 等. 矿物自动定量分析系统在低品位微细粒钼矿工艺矿物学研究中的应用[J]. 有色金属(选矿部分), 2022(2): 31−38. doi: 10.3969/j.issn.1671-9492.2022.02.004 Wen L G, Fu Q, Yu Z C, et al. Application of automated quantitative mineralogy system in the process mineralogy study of low-grade fine-grained molybdenum ore[J]. Nonferrous Metals (Mineral Processing Section), 2022(2): 31−38. doi: 10.3969/j.issn.1671-9492.2022.02.004
[19] 曾广圣, 欧乐明. X射线衍射-扫描电镜等技术研究秘鲁铜硫矿石选矿工艺矿物学特征[J]. 岩矿测试, 2019, 38(2): 160−168. doi: 10.15898/j.cnki.11-2131/td.201804130042 Zeng G S, Ou L M. Study on mineralogical characteristics of Peru copper-sulphur ore dressing process by X-ray diffraction and scanning electron microscope[J]. Rock and Mineral Analysis, 2019, 38(2): 160−168. doi: 10.15898/j.cnki.11-2131/td.201804130042
[20] 邱显扬, 梁冬云, 洪秋阳, 等. 难处理金矿石的工艺矿物学及可选冶特性分析[J]. 贵金属, 2020, 41(2): 36−44. doi: 10.3969/j.issn.1004-0676.2020.02.008 Qiu X Y, Liang D Y, Hong Q Y, et al. Process mineralogy and process improvement analysis of a refractory gold ore[J]. Precious Metals, 2020, 41(2): 36−44. doi: 10.3969/j.issn.1004-0676.2020.02.008
[21] 胡欢, 王汝成, 车旭东, 等. 关键金属元素铍的原位分析技术研究进展[J]. 岩石学报, 2022, 38(7): 1890−1900. doi: 10.18654/1000-0569/2022.07.05 Hu H, Wang R C, Che X D, et al. Research progress of in situ analysis technology of key metal element beryllium[J]. Acta Petrologica Sinica, 2022, 38(7): 1890−1900. doi: 10.18654/1000-0569/2022.07.05
[22] 杨建文, 肖骏, 陈代雄, 等. 矿物解离分析仪在泥堡金尾矿金赋存状态分析中的应用[J]. 科学技术与工程, 2020, 20(7): 2619−2624. doi: 10.3969/j.issn.1671-1815.2020.07.014 Yang J W, Xiao J, Chen D X, et al. Application of mineral liberation analyzer in the analysis of occurrences of gold in Nibao gold tailings[J]. Science Technology and Engineering, 2020, 20(7): 2619−2624. doi: 10.3969/j.issn.1671-1815.2020.07.014
[23] 王俊萍, 武慧敏, 王玲. MLA在银的赋存状态研究中的应用[J]. 矿冶, 2015, 24(1): 77. doi: 10.3969/j.issn.1005-7854.2015.01.019 Wang J P, Wu H M, Wang L. Application of MLA in the study of silver occurrence status[J]. Mining and Metallurgy, 2015, 24(1): 77. doi: 10.3969/j.issn.1005-7854.2015.01.019
[24] 张然, 叶丽娟, 党飞鹏, 等. 自动矿物分析技术在鄂尔多斯盆地砂岩型铀矿矿物鉴定和赋存状态研究中的应用[J]. 岩矿测试, 2021, 40(1): 61−73. doi: 10.15898/j.cnki.11-2131/td.202005130071 Zhang R, Ye L J, Dang F P, et al. Application of automatic mineral analysis technology to identify minerals and occurrences of elements in sandstone-type uranium deposits in the Ordos Basin[J]. Rock and Mineral Analysis, 2021, 40(1): 61−73. doi: 10.15898/j.cnki.11-2131/td.202005130071
[25] 余彬, 王礼珊, 赵立恒, 等. 铜冶炼渣工艺矿物学研究与磨浮流程优化方向探讨[J]. 矿冶, 2020, 29(5): 119−126. doi: 10.3969/j.issn.1005-7854.2020.05.023 Yu B, Wang L S, Zhao L H, et al. Study on process mineralogy of copper smelting slag and optimization direction of grinding flotation process[J]. Mining and Metallurgy, 2020, 29(5): 119−126. doi: 10.3969/j.issn.1005-7854.2020.05.023
[26] 温利刚, 曾普胜, 詹秀春, 等. 矿物表征自动定量分析系统(AMICS)技术在稀土稀有矿物鉴定中的应用[J]. 岩矿测试, 2018, 37(2): 121−129. doi: 10.15898/j.cnki.11-2131/td.201708110129 Wen L G, Zeng P S, Zhan X C, et al. Application of the automated mineral identification and characterization system (AMICS) in the identification of rare earth and rare minerals[J]. Rock and Mineral Analysis, 2018, 37(2): 121−129. doi: 10.15898/j.cnki.11-2131/td.201708110129
[27] Yu J, Ke H Q, Pei C Z, et al. Process mineralogy of Dalucao rare earth ore and design of beneficiation process based on AMICS[J]. Rare Metals, 2020, 39(8): 959−966. doi: 10.1007/s12598-020-01446-w
[28] Luo L Q, Zhang H Q. Process mineralogy and characteristic associations of iron and phosphorus-based minerals on oolitic hematite[J]. Journal of Central South University, 2017, 24(9): 1959−1967. doi: 10.1007/s11771-017-3604-8
[29] Liu T, Song W, Kynicky J, et al. Automated quantitative characterization REE ore mineralogy from the giant Bayan Obo deposit, Inner Mongolia, China[J]. Minerals, 2022, 12(4): 426. doi: 10.3390/min12040426
[30] Gottlieb P, Wilkie G, Sutherland D, et al. Using quantitative electron microscopy for process mineralogy applications[J]. Journal of Metals, 2000, 52(4): 24−25.
[31] Grammatikopoulos T, Mercer W, Gunning C. Mineralogical characterisation using QEMSCAN® of the Nechalacho heavy rare earth metal deposit, Northwest Territories, Canada[J]. Canadian Metallurgical Quarterly, 2013, 52(3): 265−277. doi: 10.1179/1879139513Y.0000000090
[32] Rythoven A D V, Pfaff K, Clark J G. Use of QEMSCAN® to characterize oxidized REE ore from the Bear Lodge carbonatite, Wyoming, USA[J]. Ore and Energy Resource Geology, 2020, 2-3: 100005. doi: 10.1016/j.oreoa.2020.100005
[33] Hrstka T, Gottlieb P, Skála R, et al. Automated mineralogy and petrology—Applications of TESCAN integrated mineral analyzer (TIMA)[J]. Journal of Geosciences, 2018, 63(1): 47−63.
[34] Aylmore M G, Eksteen J J, Jones M G, et al. The mineralogy and processing potential of the commonwealth project in the Molong volcanic belt, central Eastern New South Wales, Australia[J]. Ore Geology Reviews, 2019, 111: 102976. doi: 10.1016/j.oregeorev.2019.102976
[35] Smythe D M, Lombard A, Coetzee L L. Rare earth element deportment studies utilising QEMSCAN technology[J]. Minerals Engineering, 2013, 52: 52−61. doi: 10.1016/j.mineng.2013.03.010
[36] Gilligan R, Nikoloski A N. Alkaline leaching of brannerite. Part 2:Leaching of a high-carbonate refractory uranium ore[J]. Hydrometallurgy, 2017, 173: 224−231. doi: 10.1016/j.hydromet.2017.08.019
[37] Aylmore M G, Merigot K, Quadir Z, et al. Applications of advanced analytical and mass spectrometry techniques to the characterisation of micaceous lithium-bearing ores[J]. Minerals Engineering, 2018, 116: 182−195. doi: 10.1016/j.mineng.2017.08.004
[38] Aylmore M G, Merigot K, Rickard W, et al. Assessment of a spodumene ore by advanced analytical and mass spectrometry techniques to determine its amenability to processing for the extraction of lithium[J]. Minerals Engineering, 2018, 119: 137−148. doi: 10.1016/j.mineng.2018.01.010
[39] Breiter K, Badanina E, Uriová J, et al. Chemistry of quartz—A new insight into the origin of the Orlovka Ta-Li deposit, Eastern Transbaikalia, Russia[J]. Lithos, 2019, 348-349: 105206. doi: 10.1016/j.lithos.2019.105206
[40] Ward I, Merigot K, Mcinnes B I A. Application of quantitative mineralogical analysis in archaeological micromorphology:A case study from Barrow Is. Western Australia[J]. Journal of Archaeological Method and Theory, 2017, 25(19-20): 1−24.
[41] Honeyands T, Manuel J, Matthews L, et al. Comparison of the mineralogy of iron ore sinters using a range of techniques[J]. Minerals, 2019, 9(6): 333. doi: 10.3390/min9060333
[42] Juránek R, Výravský J, Kolář M, et al. Graph-based deep learning segmentation of EDS spectral images for automated mineral phase analysis[J]. Computers & Geosciences, 2022: 105109.
[43] 谢小敏, 李利, 袁秋云, 等. 应用TIMA分析技术研究Alum页岩有机质和黄铁矿粒度分布及沉积环境特征[J]. 岩矿测试, 2021, 40(1): 50−60. doi: 10.15898/j.cnki.11-2131/td.202007120103 Xie X M, Li L, Yuan Q Y, et al. Grain size distribution of organic matter and pyrite in Alum shales characterized by TIMA and its paleo-environmental significance[J]. Rock and Mineral Analysis, 2021, 40(1): 50−60. doi: 10.15898/j.cnki.11-2131/td.202007120103
[44] 钟祥, 陈福林, 史志新, 等. 矿物自动分析系统在攀西某矿区钒钛磁铁矿工艺矿物学上的应用[J]. 冶金分析, 2022, 42(7): 62−70. Zhong X, Chen F L, Shi Z X, et al. Application of advanced mineral identification and characterization system in process mineralogy of vanadium-titanium magnetite in a mining area of Panxi[J]. Metallurgical Analysis, 2022, 42(7): 62−70.
[45] 温利刚, 贾木欣, 付强, 等. 矿物自动定量分析系统在金的赋存状态研究中的应用[J]. 有色金属(选矿部分), 2022(4): 1−8. doi: 10.3969/j.issn.1671-9492.2022.04.001 Wen L G, Jia M X, Fu Q, et al. Application of automated quantitative mineralogy system in the deportment study of low-grade and fine-grained gold[J]. Nonferrous Metals (Mineral Processing Section), 2022(4): 1−8. doi: 10.3969/j.issn.1671-9492.2022.04.001
[46] 高倩倩, 刘杨, 杨艳芳, 等. MLA与偏光显微镜在工艺矿物学研究中的应用对比[J]. 矿业工程, 2018, 16(4): 39−40. doi: 10.16672/j.cnki.kygc.2018.04.013 Gao Q Q, Liu Y, Yang Y F, et al. The application comparison between MLA and polarizing microscope in process mineralogy study[J]. Mining Engineering, 2018, 16(4): 39−40. doi: 10.16672/j.cnki.kygc.2018.04.013
[47] 刘榕鑫, 朱坤, 谢海云, 等. 云南斑岩型多金属金矿的嵌布特征及赋存状态研究[J]. 岩矿测试, 2018, 37(4): 404−410. doi: 10.15898/j.cnki.11-2131/td.201710200169 Liu R X, Zhu K, Xie H Y, et al. Study on the inlay characteristics and occurrences of Yunnan porphyry polymetallic gold deposits[J]. Rock and Mineral Analysis, 2018, 37(4): 404−410. doi: 10.15898/j.cnki.11-2131/td.201710200169
[48] 朱丹, 桂博艺, 王芳, 等. AMICS测试技术在铌矿中的应用——以竹溪铌矿为例[J]. 有色金属(选矿部分), 2021(3): 1−7. Zhu D, Gui B Y, Wang F, et al. Application of AMICS test technology in Niobium ore—A case study of Zhuxi niobium ore[J]. Nonferrous Metals (Mineral Processing Section), 2021(3): 1−7.
[49] 庞建涛, 肖喆, 王灿霞, 等. MLA系统在磷块岩工艺矿物学研究中的应用[J]. 化工矿物与加工, 2015, 44(10): 19−21. Pang J T, Xiao Z, Wang C X, et al. Application of MLA system in process mineralogy research of phosphorite block[J]. Chemical Minerals and Processing, 2015, 44(10): 19−21.
[50] 方明山, 王明燕. AMICS 在铜矿伴生金银综合回收中的应用[J]. 矿冶, 2018, 27(3): 104−108. Fang M S, Wang M Y. Application of AMICS in comprehensive recovery of associated gold and silver in a copper ore[J]. Mining and Metallurgy, 2018, 27(3): 104−108.
[51] 李波, 梁冬云, 张莉莉, 等. 自动矿物分析系统的统计误差分析[J]. 矿冶, 2018, 27(4): 120−123. doi: 10.3969/j.issn.1005-7854.2018.04.025 Li B, Liang D Y, Zhang L L, et al. The statistical deviation analysis of automatic process mineralogy analysis system[J]. Mining and Metallurgy, 2018, 27(4): 120−123. doi: 10.3969/j.issn.1005-7854.2018.04.025
[52] 付艳红, 李振, 周安宁, 等. 煤中矿物及显微组分解离特性的MLA研究[J]. 中国矿业大学学报, 2017, 46(6): 1357−1363. Fu Y H, Li Z, Zhou A N, et al. Liberation characterization of minerals and macerals in coal by using MLA[J]. Journal of China University of Mining and Technology, 2017, 46(6): 1357−1363.
[53] Xu C L, Zhong C B, Lu R L, et al. Process mineralogy of Weishan rare earth ore by MLA[J]. Journal of Rare Earth, 2019, 37(3): 334−338. doi: 10.1016/j.jre.2018.06.008
[54] Sampaio N P, Araújo F G, von Kruger F L. The formation of Brazilian minerals database for integrated SEM-EDS system applied to the gold ore characterization[J]. Holos, 2018, 3: 2−22. doi: 10.15628/holos.2018.6938
[55] Goodall W R, Scales P J, Butcher A R. The use of QEMSCAN and diagnostic leaching in the characterisation of visible gold in complex ores[J]. Minerals Engineering, 2005, 18(8): 877−886. doi: 10.1016/j.mineng.2005.01.018
[56] Benvie B, Chapman N M, Robinson D J, et al. A robust statistical method for mineralogical analysis in geometallurgical diagnostic leaching[J]. Minerals Engineering, 2013, 52: 178−183. doi: 10.1016/j.mineng.2013.06.010
[57] Schulz B, Merker G, Gutzmer J. Automated SEM mineral liberation analysis (MLA) with generically labelled EDX spectra in the mineral processing of rare earth element ores[J]. Minerals, 2019, 9(9): 527. doi: 10.3390/min9090527
[58] 王运, 胡宝群, 李佑国, 等. 邹家山铀矿石伴生稀土的EMPA和MLA研究[J]. 稀土, 2018, 39(3): 17−26. Wang Y, Hu B Q, Li Y G, et al. Study of EMPA and MLA of associated rare earth in Zoujiashan uranium ore[J]. Chinese Rare Earths, 2018, 39(3): 17−26.
[59] Gaudin A M. Principles of mineral dressing[R]. New York: McGraw Hill, 1939: 1-554.
[60] McIvor R E, Finch J A. A guide to interfacing of plant grinding and flotation operations[J]. Minerals Engineering, 1991, 4(1): 9−23. doi: 10.1016/0892-6875(91)90114-B
下载:
计量
- 文章访问数: 174
- HTML全文浏览量: 36
- PDF下载量: 120
京公网安备 11010202008159号