一种实时检测含锂矿物浮选矿浆成分的方法与流程

本申请涉及检测，尤其涉及一种实时检测含锂矿物浮选矿浆成分的方法。

背景技术：

1、激光诱导击穿光谱技术（libs）是一种等离子体发射光谱分析技术，该技术通过超短脉冲激光聚焦样品表面形成等离子体，利用光谱仪对等离子体发射光谱进行分析，以此来定性及定量分析样品中的元素组成成分。

2、libs分析具有非接触样品遥测、在线快速、微损等特点，能在短时间分析大量的样品；无需繁琐的、高成本的样品前处理工作，适用于各种形态的样品；对样品尺寸要求不严格，且样品量消耗极低（约0.1μg~0.1mg）；可同时进行多元素测定；广泛的元素分析范围：适用于元素周期表上绝大数元素分析检测，尤其适用于轻金属，如锂、铍、钠、钾等；元素含量分析检测范围宽。

3、锂是战略性稀有轻金属，是新能源电池的重要原材料。我国锂矿资源储量丰富，但品位较低，嵌布特征复杂，共伴生组分多，需要通过浮选等工艺，提高锂的品位，对于锂矿浮选工艺过程矿浆中的关键元素组分如li、na、k、al、mg等的实时准确检测感知对工艺智能控制和提升工艺稳定性及精矿产率具有关键指导作用，是提升锂矿石综合利用的关键。

4、libs针对锂矿的检测具有很大的优势。支持全元素检测。在现有的学术和应用技术当中，使用libs对锂元素进行检测的应用在于固体，例如，使用libs对矿脉中的蒙脱石(lial (po4)(oh，f))等固体矿物识别、制作生产手持式libs工具分析富锂矿物等方面有所应用，可以在勘探和开采阶段发挥重要作用。

5、libs主要应用于勘探和采矿中对固体矿石快速检测，针对浮选过程矿浆的工艺控制这一部分存在方法上的学术空白。

技术实现思路

1、本申请的目的在于提供一种实时检测含锂矿物浮选矿浆成分的方法，以解决上述问题。

2、为实现以上目的，本申请采用以下技术方案：

3、一种实时检测含锂矿物浮选矿浆成分的方法，包括：

4、在含锂矿物浮选过程中实时采集矿浆样品并使用多光谱在线分析仪获取样品libs光谱；

5、对所述样品libs光谱进行预处理，获取优化光谱谱线；所述预处理包括基于多个高品位元素的光谱强度对所述样品libs光谱进行校正；

6、使用所述优化光谱谱线及锂元素化验值建立偏最小二乘模型，然后将实时libs光谱数据代入所述偏最小二乘模型获得目标元素的实时含量。

7、优选地，所述高品位元素包括h、ca和si。

8、优选地，所述校正包括：

9、使用以下公式计算分别得到h、ca和si的标准光谱强度：

10、、、；

11、其中， i表示第 i条光谱； h为h元素的标准光谱强度，为 n条特征谱线对应的h元素的实际光谱强度的和； c为ca元素的标准光谱强度，为 n条特征谱线对应的ca元素的实际光谱强度的和； s为si元素的标准光谱强度，为 n条特征谱线对应的ca元素的实际光谱强度的和；

12、按照以下公式依据h、ca和si三种元素的标准光谱强度计算得到第 i个样品的每一个点的校正光谱强度，从而得到优化光谱谱线：

13、；

14、其中，为第 i个样品的第 j点的原始光谱强度，为第 i个样品的第 j点的校正光谱强度。

15、优选地，si元素的所述特征谱线的波长为288.1907nm，ca元素的所述特征谱线的波长为315.8869nm，h元素的所述特征谱线的波长为656.2780nm。

16、优选地，所述偏最小二乘模型中的数据划分为训练集、校验集和预测集。

17、优选地，所述建立偏最小二乘模型包括：

18、所述校正之后进行全谱归一化，并对所述训练集的样本选取分析线强度进行建模，根据所述校验集的rmse确定建立pls模型的最终变量，原矿、精矿、尾矿均取多组数据作为所述预测集进行建模。

19、优选地，所述矿浆样品的含水率不高于85%。

20、优选地，所述矿浆样品包括原矿、精选和尾矿矿浆。

21、优选地，所述原矿矿浆、所述精矿矿浆和所述尾矿矿浆各自组内的多个样品形成浓度梯度。

22、优选地，所述含锂矿物包括常规锂矿、含锂的钽铌矿尾矿。

23、与现有技术相比，本申请的有益效果包括：

24、本申请提供的实时检测含锂矿物浮选矿浆成分的方法，基于多个高品位元素的光谱强度对样品libs光谱进行校正，从而在获取优化光谱谱线的基础上结合锂元素化验值建立偏最小二乘模型，再利用在线检测的实时libs光谱数据代入偏最小二乘模型获得更精准的锂、铁、钠、钾等元素的实时含量，进而为实现精准、实时调整锂矿浮选工艺提供技术支持。

技术特征：

1.一种实时检测含锂矿物浮选矿浆成分的方法，其特征在于，包括：

2.根据权利要求1所述的实时检测含锂矿物浮选矿浆成分的方法，其特征在于，所述高品位元素包括h、ca和si。

3.根据权利要求2所述的实时检测含锂矿物浮选矿浆成分的方法，其特征在于，所述校正包括：

4.根据权利要求3所述的实时检测含锂矿物浮选矿浆成分的方法，其特征在于， si元素的所述特征谱线的波长为288.1907nm，ca元素的所述特征谱线的波长为315.8869nm，h元素的所述特征谱线的波长为656.2780nm。

5.根据权利要求1所述的实时检测含锂矿物浮选矿浆成分的方法，其特征在于，所述偏最小二乘模型中的数据划分为训练集、校验集和预测集。

6.根据权利要求5所述的实时检测含锂矿物浮选矿浆成分的方法，其特征在于，所述建立偏最小二乘模型包括：

7.根据权利要求1所述的实时检测含锂矿物浮选矿浆成分的方法，其特征在于，所述矿浆样品的含水率不高于85%。

8.根据权利要求1所述的实时检测含锂矿物浮选矿浆成分的方法，其特征在于，所述矿浆样品包括原矿矿浆、精选矿浆和尾矿矿浆。

9.根据权利要求8所述的实时检测含锂矿物浮选矿浆成分的方法，其特征在于，所述原矿矿浆、所述精选矿浆和所述尾矿矿浆各自组内的多个样品形成浓度梯度。

10.根据权利要求1-9任一项所述的实时检测含锂矿物浮选矿浆成分的方法，其特征在于，所述含锂矿物包括常规锂矿、含锂的钽铌矿尾矿。

技术总结
本申请提供一种实时检测含锂矿物浮选矿浆成分的方法，涉及检测技术领域。实时检测含锂矿物浮选矿浆成分的方法，包括：在含锂矿物浮选过程中实时采集矿浆样品并使用多光谱在线分析仪获取样品LIBS光谱；对所述样品LIBS光谱进行预处理，获取优化光谱谱线；所述预处理包括基于多个高品位元素的光谱强度对所述样品LIBS光谱进行校正；使用所述优化光谱谱线及锂元素化验值建立偏最小二乘模型，然后将实时LIBS光谱数据代入所述偏最小二乘模型获得目标元素的实时含量。本申请提供的方法，可以进行在线分析，快速获取矿浆品位；有效解决对于低品位锂矿矿浆在线检测时的光谱信号波动问题，实现了精准定量。

技术研发人员：史烨弘,肖姗,韩鹏程,徐碧聪,赵振,杨斐,房胜楠,李华昌,王选
受保护的技术使用者：北矿检测技术股份有限公司
技术研发日：
技术公布日：2024/3/27