湿法炼锌中浸工艺优化试验与生产实践

赵律; 朱军; 蒋翔; 张磊; 张庭亮

doi:10.13264/j.cnki.ysjskx.2019.06.005

湿法炼锌中浸工艺优化试验与生产实践

赵律^1, ,,
朱军²,
蒋翔¹,
张磊¹,
张庭亮¹

1.
汉中锌业有限责任公司，陕西汉中 724204
2.
西安建筑科技大学冶金工程学院，西安 710055

详细信息

通讯作者:
赵律（1982—），男，工程师，主要从事有色金属冶炼生产与技术管理工作。E-mail:youserhzxyzl@163.com

中图分类号: TF813
计量
- 文章访问数: 158
- HTML全文浏览量: 23
- PDF下载量: 12
出版历程
- 收稿日期: 2019-09-18
- 发布日期: 2019-12-30
- 刊出日期: 2019-11-30

Optimization experiment and production practice of leaching process in zinc hydrometallurgy

1.
Hanzhong Zinc Industry Co. Ltd., Hanzhong 724200, China
2.
School of Metallurgical Engineering, Xi'an University of Architecture and Technology, Xi'an 710055, China

摘要

摘要: 锌焙砂中性浸出是湿法炼锌工艺流程的关键环节之一.通过单因素试验和正交试验考察了初始酸度、冲矿温度、浸出时间和焙砂粒度等因素对锌焙砂中浸的影响，试验结果得出较优工艺条件为：初始酸度50 g/L、冲矿温度65 ℃、反应时间60 min、焙砂粒度≤96 μm；4个考察因素均对中浸渣含锌有极显著性影响，影响由大到小为焙砂粒度＞初始酸度＞反应温度＞反应时间.某公司结合试验结果，实施了一系列技术改造：在锌精矿焙烧出料系统增加风选球磨装置，锌焙砂粒度降低至≤120 μm；在中浸双沸腾浸出槽后以串联方式增加2个100 m³搅拌反应罐，同时进行工艺流程再造.经改造前后的生产实践对比，中浸渣锌质量分数从28%~35%降低到22%~25%，中上清液质量持续稳定.
- 锌焙砂 /
- 中性浸出 /
- 渣锌质量分数 /
- 工艺优化 /
- 风选球磨 /
- 双沸腾冲矿 /
- 流程再造
Abstract: Neutral leaching of zinc calcine is one of the key steps in the wet zinc smelting process. In this paper, the effects of initial acidity, smelting temperature, leaching time and grain size of calcine on the neutral leaching of zinc calcining were investigated by single factor experiment and orthogonal test. The results show that the optimum process conditions are: initial acidity of 50 g/L, smelting temperature of 65 ℃, reaction time of 60 min, calcining grain size ≤96 μm; all four factors have a significant effect on the total zinc in the leaching residue, and the influence from big to small are as follow: calcining grain size > initial acidity > reaction temperature >Reaction time. Combined with the results, a series of technical transformations were carried out: adding the winnowing ball milling device in the zinc concentrate roasting and discharging system, reducing the particle size of the zinc calcining to ≤120 μm; two 100 m³ stirred reaction tank were added in series behind the neutral leaching double-boiling leaching tank, and reengineered the process at the same time. By Comparing the production practice before and after the transformation, it was found that the total zinc in the leaching residue decreased from 28%~35% to 22%~25%, and the quality of the supernatant was stable.
- zinc calcining /
- neutral leaching /
- slag total zinc /
- process optimization /
- winnowing ball milling /
- double boiling blasting /
- process reengineering

HTML全文

我国矿产资源储量丰富,为适应经济社会发展需要,年度开采量巨大,目前,露天开采仍然是我国矿产资源主要开采方式^[1]。随着露天开采技术不断提高,开采设备不断更新,开采逐渐向深度发展,形成了大量高陡边坡。露天矿边坡在各种因素影响下,容易发生形变,可能出现滑坡、崩塌、凹陷等地质灾害^[2]。因此,科学有效地开展边坡稳定性评估,及时采取针对性稳坡护坡措施,实现矿山安全高效连续生产,对于露天矿企业意义重大。

在露天矿边坡稳定性评估方面,杨明财等^[3]通过设计正交试验,应用数值模拟和灰色关联法分析研究了边坡稳定性关键影响因素,为边坡稳定性评估工作提供了理论支撑；张文平等^[4]采用Slide软件模拟了自重、降雨、地震以及多因素耦合作用下的边坡稳定性。BP-模糊综合评判法^[5]、PCA-RVM^[6]、云模型^[7]、云化物元^[8]、机器学习算法^[9]、组合赋权-有限云^[10]等数学评价模型不断引用到露天矿边坡稳定性评估与预测中,为边坡稳定性提供了系统有效的评估方法。但是,露天矿边坡稳定性是一个动态变化过程,具有随机性和模糊性特点,且影响因素较多,因素之间相互交织,关系相对复杂,因此,边坡稳定性评估属于典型的多属性综合决策问题。逼近理想解（TOPSIS）是一种多属性决策和分析的理想数学模型,2016年,KHAKESTAR等^[11]首次建立了以TOPSIS为基础的露天矿边坡稳定性评价模型,在后续研究中,陈文强等^[12]和姜安民等^[13]均以不同指标赋权方式,丰富了露天矿边坡稳定性TOPSIS评价体系。然而,传统的TOPSIS法是基于欧式距离算法求解相对贴近度,在实际应用过程中,可能存在多个待评对象均位于正负理想解中垂线的情况,此时相对贴近度相差不大,存在待评对象优劣性区分不显著的问题,导致评估结果具有较大不确定性^[14]。此外,对比发现,上述模型在评价过程中,均使用常权进行稳定性评估。常规赋权法忽略了各待评价对象指标自身状态值对其权重的影响。如在进行边坡稳定性评价时,当其他条件相同,降雨量强度越大,持续时间越长,最大过程降雨量这个指标所占权重越大才合理。因此,需要结合指标自身状态值对常权进行修正,以降低评估误差。

鉴于此,考虑到露天矿边坡稳定性具有复杂性和不确定性特点,为提高评估结果的科学性和可靠性,采用GRA对TOPSIS进行改进,引入变权理论,计算指标变权权重,建立了基于变权理论和改进GRA-TOPSIS的露天矿边坡稳定性综合评价模型。最后,以3座露天矿边坡为例,验证评价模型的适应性,以期丰富边坡稳定性评估理论体系。

1 构建综合评价指标体系

露天矿岩质边坡稳定性要统筹考虑地质条件、环境条件、工程条件等多方面。遵循客观、全面、系统、可测算等指标选取原则,在参考文献[5-10]、查阅行业规范和咨询现场专家的基础上,结合工程实际,本文选取了包括单轴抗压强度等12个影响因素,构建了露天矿岩质边坡稳定性综合评价指标体系。参照《非煤露天矿边坡工程技术规范》(GB 51016—2014)^[15]和《工程岩体的分级标准》(GB/T 50218—2014)^[16]等规范标准,并借鉴已有的相对固定和成熟的边坡稳定性指标分级标准研究成果^{[8,11-13,17-18]},将边坡稳定性划分为Ⅰ级~Ⅴ级5个等级。其中,Ⅰ级风险为极低风险,表示边坡工程本身处于稳定状态,开采过程中可不采取防护措施；Ⅱ级风险为低风险,表示要加强日常管理,防止出现滑坡等情况；Ⅲ级风险为较高风险,表示边坡存在一定安全隐患,要加强监控,采取措施提高边坡稳定性；Ⅳ级风险为高风险,表示边坡部分范围内失稳可能性非常大,必须采用措施进行治理,防止发生较大灾害；Ⅴ级风险为极高风险,表示边坡将大面积滑坡、坍塌,失稳经济损失巨大。指标及分级情况见表1。

表 1 指标分级标准

Table 1. Index grading criteria

评价指标		指标划分标准
一级指标	二级指标	Ⅰ 级（极稳定）	Ⅱ 级（稳定）	Ⅲ 级（基本稳定）	Ⅳ 级（不稳定）	Ⅴ 级（极不稳定）
地质条件（X₁）	单轴抗压强度（X₁₁）/MPa	≥200	100~<200	50~<100	25~<50	<25
	弹性模量（X₁₂）	≥33	20~<33	6~<20	1.3~<6	<1.3
	泊松比（X₁₃）	<0.2	0.2~<0.25	0.25~<0.30	0.3~<0.35	≥0.35
	RQD（X₁₄）/%	≥90	75~<90	50~<75	30~<50	<30
	黏聚力（X₁₅）/MPa	≥2.1	1.5~<2.1	0.7~<1.5	0.2~<0.7	<0.2
	内摩擦角（X₁₆）/（°）	≥60	50~<60	39~<50	27~<39	<27
环境条件（X₂）	最大过程降雨量（X₂₁）/mm	<50	50~<100	100~<150	150~<200	≥200
环境条件（X₂）	地下渗水量（X₂₂）/（L/（min·10m））	<25	25~<50	50~<100	100~<125	≥125
工程条件（X₃）	边坡高度（X₃₁）/m	<50	50~<100	100~<250	250~<500	≥500
	边坡坡度（X₃₂）/（°）	<15	15~<30	30~<45	45~<60	≥60
	地震烈度（X₃₃）/（°）	<3	3~<5	5~<7	7~<8	≥8
	爆破质点振动速度（X₃₄）/（ cm/s）	<10	10~<20	20~<40	40~<60	≥60

下载: 导出CSV

| 显示表格

2 变权重理论和GRA-TOPSIS综合评价模型

2.1 变权理论确定指标权重

2.1.1 变权理论

常权是指在整个评估过程中,指标权重均为恒定值,该计算方式容易导致评估结果与实际不符的情况。鉴于此,汪培庄^[19]在传统常权理论基础上,首次提出了变权理论。变权理论可通过构建均衡函数计算变权向量,较好体现指标变化导致权重变化的特性^[20]。在后续研究中,李洪兴^[21]、游克思等^[22]进一步丰富了均衡函数形式,推动了变权理论的发展。

假设有一组指标向量X=（x₁, … ,x_n）,有如下定义：

定义1：一组包含N个数据的变权集（x₁,… ,x_n）,必然存在一种映射关系W_j(j=1,2,…,n)与变权集中的每个数据相对应,且变权集（x₁, … ,x_n）满足归一性、单调性和连续性特点。

假设有一变权向量 $W (X) = (w_{1} (X), \dots, w_{n} (X))$ ,会存在以下定义：

定义2：某一 $n$ 维的递减向量是指映射S_j：[0,1]ⁿ→[0,1]ⁿ, $X$ → $S (X) = (S_{1} (X), \dots, S_{n} (X))$ ,满足以下基本条件：

1) $x_{i}$ ≥ $x_{j}$ $\Rightarrow$ $S_{i} (X)$ ≤ $S_{j} (X)$ ；

2) $S_{j} (X)$ 对于每个变元均连续 $($ $j = 1, \dots, n$ $)$ ；

3)对任何常权向量 $W = (w_{1}, \dots, w_{n})$ ,在满足定义1前提下：

W （ X ） = \frac{W \cdot S （ X ）}{\sum_{j = 1}^{n} w_{j} S_{j} （ X ）}

(1)

式（1）中：W∙S（X）表示阿达马Hardarmard乘积；W代表指标常权,S_j代表状态变权向量。

S_j计算公式为：

S_{j} （ X ） = S （ x_{1}, \dots, x_{n} ） = \frac{\partial B (x)}{\partial s_{j}}

(2)

由式（1）、式（2）,可求得变权向量函数W（X）。

2.1.2 构建状态变权向量

变权理论通过构建状态变权向量,在常权的基础上获得变权权重。状态变权向量分为指数型和密函数型2种,其中指数型状态向量具有参数设置灵活、可操作性强、适应性好、拟合度高等优势。因此,选取指数型状态向量。具体形式如下^[19]：

S_{j} (X_{i}) = \{\begin{array}{l} e^{- α (x_{i j} - β)}, x_{i j} \leq β \\ 1, x_{i j} > β \end{array}

(3)

式（3）中：S_j(X_i)表示状态变权向量；α表示变权向量参数,α≥0；β表示否定系数,0<β≤1；文中α取值0.5,β取值0.8。

2.2 改进GRA-TOPSIS评价方法

考虑TOPSIS法自身缺陷,基于灰色关联度分析法对TOPSIS进行改进和优化,以提高评估工作的科学性。具体实现步骤如下^[14]：

步骤1：计算加权规范化矩阵。

基于传统TOPSIS思想,首先构建初始决策矩阵,并根据指标属性特征（效益型或成本型）,分别按照式（4）和式（5）对初始决策矩阵归一化处理,建立归一化初始决策矩阵X。将归一化初始决策矩阵X与指标权重耦合,构建加权归一化决策矩阵,具体计算公式见式(6)。根据加权归一化决策矩阵计算结果,按照式(7)确定指标最优集U_j^*。最后,将最优集U_j^*视为GRA-TOPSIS最优参考序列集。

x_{i j}^{*} = \frac{x_{i j} - \underset{1 \leq i \leq n}{m m i n x_{i j}}}{\underset{1 \leq i \leq n}{m a x x_{i j}} - \underset{1 \leq i \leq n}{m i n x_{i j}}}, x_{i j} \in 效益 型指 标

(4)

x_{i j}^{*} = \frac{\underset{1 \leq i \leq n}{m a x x_{i j}} - x_{i j}}{\underset{1 \leq i \leq n}{m a x x_{i j}} - \underset{1 \leq i \leq n}{m i n x_{i j}}}, x_{i j} \in 成本 型指 标

(5)

R = (r_{i j})_{n \times m} = (w_{j} x_{i j}^{*})_{n \times m}

(6)

U_{j}^{*} = (R_{0}^{*} (1), R_{0}^{*} (2), \dots, R_{0}^{*} (m))

(7)

式（4）和式（5）中：x_ij表示第i个待评对象第j个指标初始赋值,x_ij^*表示其归一化值；maxx_ij、minx_ij分别表示待评对象中各指标最大、最小值。式（6）中：R为加权归一化决策矩阵,w_j表示第j个指标变权权重。式（7）中：R₀^*(j)表示待评对象各指标最优加权标准值。

步骤2：计算各指标灰色关联系数s_ij。

基于GRA思想,结合指标最优集U_j^*,构建灰色关联系数矩阵S=（s_ij）_m_×_n。灰色关联系数计算公式为：

s_{i j} = \frac{\underset{i}{m i n} \underset{j}{m i n} Δ_{i} (j) + ζ \underset{i}{m a x} \underset{j}{m a x} Δ_{i} (j)}{Δ_{i} (j) + ζ \underset{i}{m a x} \underset{j}{m a x} Δ_{i} (j)}

(8)

式（8）中： $Δ_{i} (j) = |R_{0}^{*} (j) - r_{i j}|$ , $ζ$ 表示分辨系数,取值区间为0~1,文中取值为0.5,r_ij代表加权标准化矩阵。

步骤3：确定灰色关联矩阵S正负理想解s₀⁺、s₀^-。

根据灰色关联矩阵S,选取待评对象各指标中的最优值、最劣值,建立正理想解和负理想解指标集合。具体计算公式为：

s_{0}^{+} = m a x s_{i} \underset{1 \leq i \leq n}{(j)} = (s_{0}^{+} (1), s_{0}^{+} (2), \dots, s_{0}^{+} (m))

(9)

s_{0}^{-} = m i n s_{i} \underset{1 \leq i \leq n}{(j)} = (s_{0}^{-} (1), s_{0}^{-} (2), \dots, s_{0}^{-} (m))

(10)

式（9）及式（10）中：s_i(j)表示第i个待评对象第j个指标灰色关联系数。

步骤4：计算灰色关联欧氏距离。

结合灰色关联矩阵S和正负理想解,计算灰色关联欧式矩阵。

\{\begin{array}{l} d_{i}^{+} = \sqrt[]{\sum_{j = 1}^{m} (s_{i} (j) - s_{0}^{+} {(j))}^{2}} \\ d_{i}^{-} = \sqrt[]{\sum_{j = 1}^{m} (s_{i} (j) - s_{0}^{-} {(j))}^{2}} \end{array}

(11)

步骤5：计算灰色关联相对贴近度。

灰色关联相对贴近度计算公式为：

G_{i} = \frac{d_{i}^{-}}{d_{i}^{+} + d_{i}^{-}}

(12)

根据灰色关联相对贴近度计算结果,综合评价各待评对象优劣性。

2.3 实现过程

如前所述,为提高边坡稳定性评估结果准确性,建立了基于变权理论的露天矿边坡稳定性改进GRA-TOPSIS的评价模型,具体实现过程如图1所示。

图 1 基于变权理论的露天矿边坡稳定性GRA-TOPSIS评价模型实现步骤

Figure 1. Implementation steps of GRA-TOPSIS evaluation model for slope stability of open pit mines based on variable weight theory

下载: 全尺寸图片幻灯片

3 工程应用

为验证基于变权理论的GRA-TOPSIS模型在露天矿岩质边坡稳定性评估方面的适用性,以3座矿山（新桥矿（K₁）、姑山矿（K₂）、黄麦岭矿（K₃））为研究背景,通过相关计算确定各矿山边坡稳定性等级。组织了5位长期从事边坡稳定性评价的专家,根据边坡实际情况,结合矿山提供的地质、水文、气象等资料,进行各矿山指标客观赋值。具体见表2。

表 2 各矿山指标赋值情况

Table 2. Index value assignment of indicators for each mine

编号	X₁₁	X₁₂	X₁₃	X₁₄	X₁₅	X₁₆	X₂₁	X₂₂	X₃₁	X₃₂	X₃₃	X₃₄
K₁	64.11	10.69	0.18	73	4.54	35.51	20.41	33.71	180	45	7	43.51
K₂	28.97	25.71	0.22	57	5.08	52.11	151.11	35.11	155	36	6	36.71
K₃	104.01	6.91	0.38	63	8.04	48.81	108.51	70.21	240	65	6	28.61

下载: 导出CSV

| 显示表格

3.1 数据处理

根据表2,建立初始决策矩阵。考虑到各指标之间存在量纲或量级差异,对初始决策矩阵进行标准化处理^[23],具体计算公式见式(13)。计算结果见表3。

x_{i j}^{•} = x_{i j} / \sum_{i = 1}^{n} x_{i j}

(13)

表 3 指标的标准化处理结果

Table 3. Results of index standardized treatment

编号	X₁₁	X₁₂	X₁₃	X₁₄	X₁₅	X₁₆	X₂₁	X₂₂	X₃₁	X₃₂	X₃₃	X₃₄
K₁	0.325 3	0.246 9	0.230 8	0.378 2	0.257 1	0.260 5	0.072 9	0.242 6	0.313 0	0.308 2	0.368 4	0.399 8
K₂	0.147 1	0.593 7	0.282 1	0.295 3	0.287 7	0.381 5	0.539 6	0.251 9	0.269 6	0.246 6	0.315 8	0.337 3
K₃	0.527 7	0.159 4	0.487 2	0.326 4	0.455 3	0.358 0	0.387 5	0.505 4	0.417 4	0.445 2	0.315 8	0.262 9

下载: 导出CSV

| 显示表格

式（13）中：x_ij代表第i个方案第j个指标赋值；x_ij^•表示指标赋值标准值；n=3,代表待评对象个数。

3.2 计算指标权重

3.2.1 计算指标常权

以层次分析法和反熵权法为代表的主、客观赋权法是目前应用最为广泛和成熟的计算方法,具体计算过程参照文献[24]。层次分析法计算主观权重w₁（0.127 5、0.091 3、0.055 3、0.150 4、0.028 4、0.036 4、0.046 9、0.075 8、0.065 4、0.108 4、0.036 4、0.177 8）；反熵权法计算指标反熵值为（0.547 3、0.632 4、0.479 4、0.412 1、0.450 5、0.420 6、0.614 1、0.496 4、0.427 7、0.445 7、0.409 1、0.423 1）；计算指标客观权重w₂（0.095 1、0.109 8、0.083 3、0.071 6、0.078 2、0.073 1、0.106 6、0.086 2、0.074 3、0.077 4、0.070 9、0.073 5）；最终,得到组合权重w（0.114 8、0.104 4、0.070 8、0.108 2、0.049 1、0.053 8、0.073 7、0.084 3、0.072 7、0.095 5、0.053 1、0.119 2）。

3.2.2 计算指标变权

根据式（3）,计算状态变权向量矩阵。由式（1）和式（2）得到指标变权。具体计算结果见表4—表6。

表 4 状态变权向量矩阵

Table 4. State variable weight vector matrix

编号	X₁₁	X₁₂	X₁₃	X₁₄	X₁₅	X₁₆	X₂₁	X₂₂	X₃₁	X₃₂	X₃₃	X₃₄
K₁	1.000 0	1.026 8	1.035 2	1.000 0	1.021 7	1.019 9	1.120 3	1.029	1.000 0	1.000 0	1.000 0	1.000 0
K₂	1.079 8	1.000 0	1.009 1	1.002 3	1.006 2	1.000 0	1.000 0	1.024 3	1.015 3	1.027 1	1.000 0	1.000 0
K₃	1.000 0	1.072 8	1.000 0	1.000 0	1.000 0	1.000 0	1.000 0	1.000 0	1.000 0	1.000 0	1.000 0	1.018 7

下载: 导出CSV

| 显示表格

表 5 Hardarmard 乘积

Table 5. Hardarmard product

编号	X₁₁	X₁₂	X₁₃	X₁₄	X₁₅	X₁₆	X₂₁	X₂₂	X₃₁	X₃₂	X₃₃	X₃₄
K₁	0.114 8	0.107 2	0.073 2	0.108 2	0.050 2	0.054 8	0.082 5	0.086 7	0.072 6	0.095 5	0.052 9	0.119 2
K₂	0.123 9	0.104 4	0.071 4	0.108 5	0.049 4	0.053 8	0.073 7	0.086 3	0.073 8	0.098 1	0.052 9	0.119 2
K₃	0.114 8	0.112 1	0.070 8	0.108 2	0.049 1	0.053 8	0.073 7	0.084 3	0.072 68	0.095 5	0.052 97	0.121 4

下载: 导出CSV

| 显示表格

表 6 变权计算结果

Table 6. Calculation results of variable weights

编号	X₁₁	X₁₂	X₁₃	X₁₄	X₁₅	X₁₆	X₂₁	X₂₂	X₃₁	X₃₂	X₃₃	X₃₄
K₁	0.112 8	0.105 3	0.072 1	0.106 3	0.049 3	0.053 9	0.081 1	0.085 3	0.071 4	0.093 8	0.052 0	0.117 1
K₂	0.122 1	0.102 8	0.070 2	0.106 8	0.048 7	0.052 9	0.072 6	0.085 1	0.072 6	0.096 6	0.052 1	0.117 3
K₃	0.113 8	0.111 1	0.070 1	0.107 2	0.048 7	0.053 3	0.073 1	0.083 5	0.072 1	0.094 7	0.052 5	0.120 4

下载: 导出CSV

| 显示表格

由表3、表6和图2可知：①对于单座矿山而言,引入变权理论后,指标权重随指标状态值呈现非线性变化,状态值较大的指标,变权结果略有下降,体现了“惩罚”作用,状态值较小的指标,变权结果略有增大,体现了“激励”作用,权重结果更均衡,避免了较差状态值指标的消极作用被其他状态值较好指标掩盖,使评估结果更贴近实际。②对于不同矿山而言,在相同的综合评价指标体系下,不同矿山指标状态值不同,其指标权重存在一定差异,体现了不同矿山不同指标状态值下,对边坡整体稳定性贡献度存在差异的实际。以单轴抗压强度为例,边坡K₂状态值相对较低,指标常权权重为0.114 8,但该指标属于关键指标,基于变权理论对常权进行了激励修正。由此可知,变权理论考虑了评价指标本身的相对重要性,又兼顾了状态值大小对评估结果的影响。

图 2 指标组合常权与变权权重计算结果对比

Figure 2. Comparison of results between constant weight and variable weight calculation for indicator combination

下载: 全尺寸图片幻灯片

3.3 边坡稳定性综合评价

根据式（4）和式（5）,计算加权归一化决策矩阵,具体计算结果见表7。

表 7 加权标准矩阵

Table 7. Weighted standard matrix

编号	X₁₁	X₁₂	X₁₃	X₁₄	X₁₅	X₁₆	X₂₁	X₂₂	X₃₁	X₃₂	X₃₃	X₃₄
K₁	0.036 7	0.026 1	0.016 6	0.040 2	0.012 7	0.014 1	0.005 9	0.020 7	0.022 4	0.028 9	0.019 2	0.046 8
K₂	0.017 9	0.061 1	0.019 8	0.031 5	0.013 9	0.020 2	0.039 2	0.021 4	0.019 6	0.023 8	0.016 5	0.039 6
K₃	0.060 1	0.017 7	0.034 2	0.035 1	0.022 2	0.019 1	0.028 3	0.042 2	0.030 1	0.042 1	0.016 6	0.031 6

下载: 导出CSV

| 显示表格

根据式（6）和式（7）,确定灰色关联最优指标集合U_j^*：0.060 1、0.061 1、0.016 6、0.040 2、0.022 2、0.020 2、0.005 9、0.020 7、0.019 6、0.023 8、0.016 5、0.031 6。按照改进GRA-TOPSIS计算原理,将灰色关联最优指标集合U_j^*作为参考序列,对各边坡稳定性进行比较。

根据式（8）—式（12）,计算3座边坡灰色关联贴近度,确定稳定性优劣排序。为说明所建立模型评估结果的准确性和优越性,同步计算基于TOPSIS和GRA的灰色关联度,以及３种评价模型的极值与变异系数。评估结果相同时,极差和变异系数越大,表明该模型评估结果离散度和区分度越高,越有利于分析和评判待评对象优劣性,也表明该模型在评估方面适应性更强。具体计算结果见表8。

表 8 各模型评估结果

Table 8. Evaluation results of each model

项目名称	GRA-TOPSIS		TOPSIS		GRA
项目名称	综合值	排序	综合值	排序	综合值	排序
K₁	0.348 312 833	3	0.441 190 581	3	0.741 311 736	3
K₂	0.533 981 970	2	0.498 859 395	2	0.796 129 325	2
K₃	0.564 801 165	1	0.524 899 587	1	0.805 054 103	1
极值	0.216 488 332	—	0.083 709 006	—	0.063 742 367	—
变异系数	0.343 349 924	—	0.124 065 482	—	0.062 512 283	—
注：“—”代表无排序。

下载: 导出CSV

| 显示表格

由表8可知,基于改进GRA-TOPSIS综合评价模型计算结果为：d₁⁺=1.098 957 479、d₂⁺=0.832 723 107、d₃⁺=0.795 979 284；d₁^-=0.587 369 234、d₂^-=0.954 167 212、d₃^-=1.033 022 129；灰色关联相对贴近度：G₁=0.348 312 833、G₂=0.533 981 97、G₃=0.564 801 165,可知3座露天矿山边坡稳定性优劣性排序为：K₃＞K₂＞K₁；基于传统GRA法的灰色贴近度计算结果为：B₁=0.741 311 736、B₂=0.796 129 325、B₃=0.805 054 103,可知3座边坡工程风险优先等级排序为：K₃＞K₂＞K₁；基于传统TOPSIS法的灰色贴近度计算结果为：W₁=0.441 190 581、W₂=0.498 859 395、W₃=0.524 899 587,可知3座边坡工程风险优先等级排序为：K₃＞K₂＞K₁。对比发现,3种评估模型边坡稳定性排序完全一致,表明改进GAR-TOPSIS综合评价模型在露天矿边坡稳定性评估方面具有可靠性。

由表8可知,基于改进GRA-TOPSIS法、GRA和TOPSIS法的极值分别为：0.216 488 332、0.063 742 367和0.083 709 006,变异系数分别为：0.343 349 924、0.062 512 283和0.124 065 482。显然,改进GRA-TOPSIS法极值和变异系数均为最大,表明改进GRA-TOPSIS模型能较好分析比较3座矿山边坡稳定性状态,在确定稳定性优劣排序方面适应性更好；相反,基于GRA和TOPSIS极值和变异系数均较小,在最终评估边坡稳定性等级时模糊性、不确定性更高。因此改进GRA-TOPSIS法在露天矿山岩质边坡稳定性评估方面优势更为突出。

3.4 边坡稳定性等级评估

根据改进GRA-TOPSIS原理,灰色关联贴近度越大,表明该边坡稳定性越好,因此,灰色关联贴近度可作为边坡稳定性等级划分依据。根据表1指标分级标准取值建立初始矩阵Y^*。

Y^{*} = [\begin{matrix} Ⅰ & 200 & 33 & 0 & 90 & 2.1 & 60 & 0 & 0 & 0 & 0 & 0 & 0 \\ Ⅱ & 100 & 20 & 0.2 & 75 & 1.5 & 50 & 50 & 25 & 50 & 15 & 3 & 10 \\ Ⅲ & 50 & 6 & 0.25 & 50 & 0.7 & 39 & 100 & 50 & 100 & 30 & 5 & 20 \\ Ⅳ & 25 & 1.3 & 0.3 & 30 & 0.2 & 27 & 150 & 100 & 250 & 45 & 6 & 40 \\ Ⅴ & 0 & 0 & 0.35 & 0 & 0 & 0 & 200 & 125 & 500 & 60 & 8 & 60 \end{matrix}]

按照式（4）—式（12）,计算基于灰色关联贴近度的边坡稳定性等级判定标准：

Ⅰ级：0.692 1≤C_i<1

Ⅱ级：0.422 2≤C_i<0.692 1

Ⅲ级：0.307 3≤C_i<0.422 2

Ⅳ级：0.297 4≤C_i<0.307 3

Ⅴ级：0.147 3≤C_i<0.297 4

根据计算结果,确定边坡稳定性等级。为表明所建立的基于变权理论和改进GRA-TOPSIS在露天矿山岩质边坡稳定性评估的有效性,与云模型^[24]和物元可拓模型^[25]评估结果进行对比,具体结果见表9。

表 9 计算结果对比

Table 9. Comparison of calculation results

项目名称	理论模型			实际
项目名称	本文	云模型^[24]	物元可拓模型 ^[25]	实际
K₁	Ⅲ级	Ⅲ级	Ⅲ级	Ⅲ级
K₂	Ⅱ级	Ⅱ级	Ⅱ级	Ⅱ级
K₃	Ⅱ级	Ⅱ级	Ⅱ级	Ⅱ级

下载: 导出CSV

| 显示表格

由表9可知,3种综合评价模型评估结果完全一致,且与实际相符,表明基于变权理论和改进GRA-TOPSIS的综合评价在露天矿岩质边坡稳定性评估方面具有可行性,评估结果符合实际,令人满意,可为露天矿岩质边坡稳定性提供一种科学、系统的评估方法,进一步丰富了边坡稳定性评估理论体系。

与云模型模型相比,所建立的GRA-TOPSIS模型可依托EXCEL软件进行相关计算,可操作性更强,不需要运用MATLAB等数据软件进行分析,不需要设置过多参数进行求解。由于构建了多层次的露天矿边坡稳定性综合评价指标体系,因此,物元可拓模型需要计算多级可拓隶属度确定边坡稳定性等级,而改进GRA-TOPSIS不需要分级计算,计算过程更加直接、简便和高效。

最后,考虑到矿山（K₁）边坡稳定性相对较差,在回采过程中要加强边坡日常监管,对边坡重点段位进行针对性支护,选取合理爆破参数,优化爆破方式,做好边坡排水工程建设。

4 结论

1）为提高露天矿山边坡稳定性评估结果可靠性,从工程、地质、环境3个方面,选取了12个典型影响因素,构建了综合评价指标体系,建立了基于变权理论的改进GRA-TOPSIS的露天矿山岩质边坡稳定性综合评价模型。以3座露天矿边坡为研究背景,结果显示所建立的评价模型在边坡稳定性优劣区分上具有显著优势,也能准确确定边坡稳定性等级,表明该模型在露天矿岩质边坡稳定性评估方面具有适用性,体现了研究价值。

2）借助AHP、EWM和拉格朗日算法组合赋权法计算指标组合常权权重,基于变权理论,选取指数型状态变权向量对权重进行调整,很好地反映了指标状态值对边坡稳定性影响程度,提高了评估过程的科学性。

3）由于露天矿山岩质边坡稳定性因素众多,接下来要进一步完善指标评价体系,以获得满意的评估效果；边坡稳定性始终处于动态变化,后续还要深入研究探索建立边坡时效稳定性分析模型。

图 1 不同初始酸度对中浸渣锌质量分数的影响

Fig 1. Effect of different initial acidity on zinc neutral leaching residue

下载: 全尺寸图片幻灯片

图 2 不同冲矿温度对中浸渣锌质量分数的影响

Fig 2. Effect of different smelting temperature on zinc neutral leaching residue

下载: 全尺寸图片幻灯片

图 3 不同浸出时间对中浸渣锌质量分数的影响

Fig 3. Effect of different leaching time on zinc neutral leaching residue

下载: 全尺寸图片幻灯片

图 4 不同焙砂粒度对中浸渣锌质量分数的影响

Fig 4. Effect of different zinc calcining grain sizes on zinc neutral leaching residue

下载: 全尺寸图片幻灯片

图 5 锌焙砂风选球磨系统示意

Fig 5. Schematic diagram of zinc baking sand selection ball milling system

下载: 全尺寸图片幻灯片

图 6 双沸腾冲矿中浸流程再造示意

Fig 6. Schematic diagram of re-construction of double-boiled ore leaching process

下载: 全尺寸图片幻灯片

表 1 锌焙砂主要化学成分分析结果

Table 1 Analysis results of main chemical components of zinc calcining

下载: 导出CSV

表 2 中浸正交试验水平因素表

Table 2 Table of horizontal factors for immersion orthogonal test

下载: 导出CSV

表 3 L₉（3⁴）正交试验结果

Table 3 Orthogonal test results of L₉(3⁴)

下载: 导出CSV

表 4 SPSS21.0软件方差分析结果

Table 4 Analysis of variance results by SPSS21.0 software

下载: 导出CSV

表 5 技改实施前后的中浸技术指标对比

Table 5 Comparison of technical indicators of middle immersion before and after technical implementation

下载: 导出CSV

参考文献(20)

[1]	王成彦, 陈永强.中国铅锌冶金技术状况及发展趋势:锌冶金[J].有色金属科学与工程, 2017, 8(1):1-7. http://ysjskx.paperopen.com/oa/DArticle.aspx?type=view&id=201701001
[2]	马荣骏.热酸浸出针铁矿除铁湿法炼锌中萃取法回收铟[J].湿法冶金, 1997, 62(2):58-61. http://d.old.wanfangdata.com.cn/Conference/261707
[3]	王学猛.锌的氧压浸出与常压浸出的比较[J].湖南有色金属, 2014(4):27-30. doi: 10.3969/j.issn.1003-5540.2014.04.008
[4]	侯栋科, 彭兵, 柴立元, 等.锌焙砂的选择性还原焙砂硫酸浸出工艺研究[J].有色金属科学与工程, 2014, 5(1):1-8. http://ysjskx.paperopen.com/oa/DArticle.aspx?type=view&id=201401001
[5]	彭容秋.锌冶金[M].长沙:中南大学出版社, 2005:33-45.
[6]	张纯, 闵小波, 张建强, 等.锌冶炼中浸渣锌还原浸出机制与动力学[J].中国有色金属学报, 2016, 26(1):197-203. http://d.old.wanfangdata.com.cn/Periodical/zgysjsxb201601023
[7]	周丽娟, 于红卫.湿法炼锌氧化锌中上清溶液杂质开炉试验研究[J].中国有色冶金, 2016(6):40-42. doi: 10.3969/j.issn.1672-6103.2016.06.010
[8]	黄斌, 王瑜.湿法炼锌的中性浸出方法: 200810232654.1[P].2010-06-23.
[9]	夏志华, 唐谟堂, 李仕庆, 等.锌焙砂中浸渣高温高酸浸出动力学研究[J].矿冶工程, 2005, 25(2):53-58. doi: 10.3969/j.issn.0253-6099.2005.02.017
[10]	罗美秀.锌焙砂硫酸浸出及制取铁酸锌试验研究[D].南宁: 广西大学, 2015: 36-43. http://cdmd.cnki.com.cn/Article/CDMD-10593-1015437028.htm
[11]	谭敏, 刘一宁, 廖贻鹏, 等.高铁锌焙砂浸出方式对锌浸出率的影响[J].湿法冶金, 2016, 35(6):473-476. http://d.old.wanfangdata.com.cn/Periodical/sfyj201606005
[12]	邓永贵, 陈启元, 尹周澜, 等.锌浸出液针铁矿法除铁[J].有色金属(冶炼部分), 2010, 62(3):80-84. http://d.old.wanfangdata.com.cn/Periodical/ysjs201003019
[13]	张娟, 吴纪功, 廖璐, 等.锌浸出液过氧化氢法除铁的试验研究[J].湿法冶金, 2014, 33(1):47-49. http://d.old.wanfangdata.com.cn/Periodical/sfyj201401019
[14]	梅光贵, 王德润, 周敬元, 等.湿法炼锌学[M].长沙:中南大学出版社, 2001:93-123.
[15]	王辉.锌焙砂浸出动力学研究[J].湖南有色金属, 1991, 7(6):339-342. http://d.old.wanfangdata.com.cn/Periodical/kygc200502017
[16]	阙绍娟.高铁锌焙砂浸出试验研究[D].南宁: 广西大学, 2010: 29-30. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y1738410
[17]	张慈, 薛晓光, 王大永.SPSS21.0行业统计分析与应用[M].北京:清华大学出版社, 2016:21-29.
[18]	尹华光.锌焙砂浸出的生产实践及技术改进[J].中国有色金属, 2005(2):30-32. http://d.old.wanfangdata.com.cn/Periodical/ysyl200502008
[19]	黄祖强, 黎铉海, 潘柳萍.机械活化对锌焙砂浸出的影响[J].矿产综合利用, 2002(3):25-28. doi: 10.3969/j.issn.1000-6532.2002.03.007
[20]	LI X H, ZHANG Y J, PAN L P, et al. Effect of mechanincal activation on dissolution kinetics of neutral leach residue of zinc calcine in sulphuric acid[J]. Transactions of Nonferrous Metals Society of China, 2013, 23:1512-1519. doi: 10.1016/S1003-6326(13)62624-2

施引文献

资源附件(0)

图(6) / 表(5)

计量

文章访问数: 158
HTML全文浏览量: 23
PDF下载量: 12
被引次数: 0

1 构建综合评价指标体系
2 变权重理论和GRA-TOPSIS综合评价模型
2.1 变权理论确定指标权重
2.1.1 变权理论
2.1.2 构建状态变权向量
2.2 改进GRA-TOPSIS评价方法
2.3 实现过程
3 工程应用
3.1 数据处理
3.2 计算指标权重
3.2.1 计算指标常权
3.2.2 计算指标变权
3.3 边坡稳定性综合评价
3.4 边坡稳定性等级评估
4 结论

1 构建综合评价指标体系
2 变权重理论和GRA-TOPSIS综合评价模型
2.1 变权理论确定指标权重
2.1.1 变权理论
2.1.2 构建状态变权向量
2.2 改进GRA-TOPSIS评价方法
2.3 实现过程
3 工程应用
3.1 数据处理
3.2 计算指标权重
3.2.1 计算指标常权
3.2.2 计算指标变权
3.3 边坡稳定性综合评价
3.4 边坡稳定性等级评估
4 结论

参考文献(20)

施引文献

资源附件(0)

湿法炼锌中浸工艺优化试验与生产实践

通讯作者: 赵律（1982—），男，工程师，主要从事有色金属冶炼生产与技术管理工作。E-mail:youserhzxyzl@163.com

计量

出版历程