礦仕奇譚——選金(系列9:氰化工藝)

         日期:2020-10-15     瀏覽:558    
      核心提示:嚴格的說,氰化法不屬于選礦的范疇,而應該歸類為濕法冶金,使用氰化法提取黃金是世界上最主要的方法,其原理是利用氰根離子與游
       嚴格的說,氰化法不屬于選礦的范疇,而應該歸類為濕法冶金,使用氰化法提取黃金是世界上最主要的方法,其原理是利用氰根離子與游離金產生絡合作用生成金氰根,從而達到溶解黃金的目的,我們知道自然界中的金均是游離狀態存在,即便是包裹于其他礦物中,打開后依然是單質金,所以我們說氰化法提金的能力(回收率)從某種意義上說取決于對包裹金的打開。

      通常我們定義為選礦范疇的氰化提金法就是我們常說的炭漿法,其實炭漿法提金的歷史并不久遠,我國自行設計的第一個炭漿廠建成于1985年,距今不過是30年歷史。炭漿法中的“炭”和“漿”分別指活性炭和礦漿,而不是我們概念里炭漿為炭的懸濁液。根據活性炭介入時間的不同,我們會把先浸出再吸附稱之為炭漿法(CIP),把浸出與吸附同時進行稱之為炭浸法(CIL),由于炭浸法更能有效的利用生產裝備,故越來越多的氰化廠采用這種方式。

      氰化作業要求嚴格的磨礦細度

      對于典型的含金石英脈氧化礦,由于載金礦物的可浮性很差,一般情況利用浮選工藝很難獲得較好的選礦指標,而利用炭漿工藝,在有害雜質較少的前提下,基本可以達到總回收率93%以上的指標。

      但前面我們說,氰化的能力取決于打開的能力,所以在炭漿廠的準備作業中,磨礦顯得尤為重要,在我國常見的炭漿廠中,適合進入氰化作業的磨礦細度一般達到-0.074mm占80-95%,有一些呈浸染狀分布的礦山,甚至要求磨礦細度達到-0.037mm95%以上,由此可見,在炭漿廠一段磨礦作業是很難實現細度要求的,一般需要兩段磨礦甚至三段磨礦。

      阻止氰化物的水解非常重要

      由于我們常用的氰化物(氰化鉀、氰化鈉、氫化鈣)均屬于強堿弱酸鹽,在水中易發生水解,生成氫氰酸揮發而影響礦漿中氰根離子的濃度,因此在浸出過程中,阻止氰化物的水解也是非常重要的,最有效的辦法是加大氫氧根離子濃度,也就是我們通常所說的加大PH值,工業上最經濟的PH值調整劑是石灰,但石灰在調整PH值的同時又易產生絮凝作用,因而我們會將其加入磨礦作業,使其充分的分散。

      一般情況下,炭漿作業的PH值在10-11時效果較好。

      控制礦漿濃度是氰化的關鍵之一

      不管是金與氰化物還是金氰根與活性炭,只有充分接觸才能取得良好的選礦指標,這就對礦漿的濃度提出了較高的要求,濃度過高,容易沉淀在活性炭表面,濃度過低,易于沉降,同時為保持合適的PH值和氰化物濃度,需大量增加藥劑,經過多年的生產實踐認為,炭漿法提金的濃度在40-45%,氰化物濃度為300-500ppm較為適宜。

      但是,前面我們說磨礦需兩至三段作業,其最終產品濃度一般在20%以下,故在進入浸出作業前,需對礦漿進行濃密作業。

      氰化浸出的基本機理

       

      由上面公式我們可以發現,氰化過程是一個需氧過程,因為在生產中充入氧氣能加速浸出速度,當然我們也可以適當加入具有氧化性的藥劑,比如雙氧水等,但是氧化劑的過量會導致氰根生成氰氧根,也是不利于浸出生產的。

      從公式中我們還可以發現,1mol的金僅需要2mol的氰根來進行絡合,折算成質量,大約為1g金需要0.5g氰化物作為浸出藥劑,但實際生產中,由于其他礦物的影響,比如銀、銅、鉛、鋅等,同樣能對氰化物發生絡合反應,因此,關于藥劑用量不可局限在計算上,更多的應該根據最終浸出率來調整,礦石性質發生變化時還得跟蹤調整。通常比計算值高出200—500倍均為合理范圍。總而言之,保證礦漿中的氰根濃度是獲得良好指標的必要條件。

      為了保證連續作業的穩定性,通常我們采用多段浸出以獲得較平穩的氰根濃度,而浸出時間則是確定浸出罐容積的首要依據,但浸出時間并沒有一個詳細的計算法則,因此任何炭漿廠的設計都必須以試驗數據作為依據,盲目的依賴經驗,必然會導致生產的失敗。

      當載金炭上吸附的金達到3000g/t以上,我們認為整個炭漿吸附過程就已經完成了,當然,一些銅,銀雜質含量較高的礦石也會對活性炭的吸附能力產生影響,使載金炭的品位達不到我們預計的目標,當活性炭不再具有吸附能力時,我們認為其飽和了。對于飽和的活性炭我們需要解析、電解能方式獲得黃金。但是后期作業較復雜,投資也較大,對于黃金生產比較密集的地區我們可以出售載金碳以獲得利潤,或者更簡單的方法可以通過燃燒獲得合質金。

      在對選金的各種工藝有了初步了解之后,我們將通過具體實例對黃金選礦進行一些深入剖析,歡迎同行提供案例共同探討,共同研究。

       
      打賞
       
      更多>同類技術應用

      推薦圖文
      推薦技術應用
      點擊排行