.1274 工程科学学报，第43卷，第10期 时不同料浆浓度下的固体通量，tdlm2;2为料浆 固体通量最大.因此，若矿山在进行深锥浓密机设 的固相质量分数，%.式(8)的复相关系数2=092， 计时，可根据实验所得的数学关系，得到深锥浓密 式(9)的复相关系数=0.95，表明回归方程相关性 机的最大固体通量，从而确定满足矿山充填需要 较好 的深锥浓密机的最小直径.同时，控制深锥浓密机 由式(8)和式(9)可以看出，尽管絮凝剂单耗 的入料浓度、絮凝剂单耗处于最优值，可保证深锥 不同，但是固体通量与料浆浓度之间的关系式相 浓密机高效运行.根据式(11)所得结果，在深锥浓 似.呈倒对勾状.式(8)、式(9)中随着料浆浓度的 密机实际运行过程中，若保证尾矿浓密效率，需优 增加，固体通量呈现先增大后减小的趋势.由固体 先满足入料浓度，其次是絮凝剂单耗.相反地，如 通量的计算公式可知，固体通量与料浆浓度呈正 若入料浓度没有达到最佳稀释浓度，即使絮凝剂 相关，因此在合理料浆浓度范围，随着料浆浓度的 添加很多，也可能发生絮凝效果不佳、处理能力较 升高，固体通量呈上升趋势.当料浆浓度高到一定 小的情况，这样既不经济、也无法实现深锥浓密机 程度时，颗粒之间的干涉作用逐渐加强，浓度对颗 的高效运行.为此，在实际深锥浓密机设计、运行 粒沉降速度的影响逐渐突出，浓度的上升反而抑 过程中，其固体通量应当综合考虑料浆稀释浓度 制了颗粒的沉降，由于这种颗粒间千涉抑制沉降 和絮凝剂单耗，达到经济、高效的目的 速度的效果逐渐增强，导致固体通量呈下降趋势. 3.3固体通量与料浆浓度、絮凝剂单耗的耦合关系 4结论 将单耗和料浆浓度进行耦合，与固体通量关 (1)通过静态量筒沉降实验，得到不同絮凝剂 系进行回归，结果如式(10) 单耗和料浆浓度下的深锥固体通量.其中随着絮 y4=0.052x23-0.052x22x1-2.14x22+ (10) 凝剂单耗增加，固体通量增加的速度逐渐降低，主 1.521x1x2+28.59x2-126.2 要原因是絮凝剂增多进而覆盖尾矿颗粒表面，抑 其中，y4为絮凝剂单耗和料浆浓度耦合下的固体通 制架桥作用.随着料浆浓度增加，固体通量呈现先 量，tdm2.式(10)中絮凝剂单耗和料浆浓度对 增大后减小的趋势，主要原因是料浆浓度与固体 回归方程的贡献计算方法如式(11) 通量呈正比，但当料浆浓度过大时，颗粒沉降干涉 -8 (11) 作用明显，沉降阻力系数增加，从而导致固体通量 降低 其中，=1,2；T为x对式(10)的贡献；T2为2对式 (2)对絮凝剂单耗、料浆浓度与固体通量数学 (10)的贡献；P为x偏回归平方和；P2为x2偏回归 关系进行回归分析.其中絮凝剂单耗与固体通量 平方和；Q为总偏回归平方和 呈开口向下的二次函数关系：料浆浓度与固体通 由式(11)计算得到，T1=22.11%,T2=77.89%.由 量之间呈倒对勾状的函数关系，固体通量随着料 此可知，絮凝剂单耗和料浆浓度对固体通量的贡 浆浓度的增加先快速增大后缓慢减小.通过对料 献大小为：料浆浓度>絮凝剂单耗.在尾矿沉降过 浆浓度和絮凝剂单耗耦合影响效应下的固体通量 程中，絮凝剂通过网捕固体颗粒形成絮凝团，增加 回归方程分析可知，二者对固体通量的贡献大小 颗粒重力从而加速沉降.而料浆浓度与尾矿颗粒 为：料浆浓度>絮凝剂单耗 的沉降速度呈反比，影响尾矿的整体沉降效率.并 且，料浆浓度影响絮凝剂在料浆中的扩散速度与 参考文献 网捕效率：若料浆浓度过大，絮凝剂在深锥浓密机 [1]Wu A X,Li H,Yang L H,et al.Cemented paste backfill paves the 中难以扩散，无法均匀地分布在料浆中：料浆浓度 way for deep mining.Gold,2020,41(9):51 过小，单位体积内絮凝剂分子网捕尾矿颗粒的数 (吴爱祥，李红，杨柳华，等.深地开采，膏体先行.黄金，2020 量降低，形成絮凝团的速度变慢26刃.因此，料浆 41(9):51) 浓度对固体通量的影响程度大于絮凝剂单耗 [2]Yuan Z L,Hu J L,Wu D.et al.A dual-attention recurrent neural network method for deep cone thickener underflow concentration 3.4工程建议 prediction.Sensors,2020,20(5):1260 根据式(7)~(10)可知：在单因素条件下，固 [3] Wu A X,Yang Y,Cheng H Y,et al.Status and prospects of paste 体通量随絮凝剂单耗、料浆浓度的增加均呈先增 technology in China.Chin J Eng,2018,40(5):517 大后减小的趋势；在絮凝剂单耗和料浆浓度耦合 (吴爱祥，杨莹，程海勇，等.中国膏体技术发展现状与趋势.工 影响下，絮凝剂单耗和料浆浓度存在最优值，使得 程科学学报，2018,40(5)：517)时不同料浆浓度下的固体通量，t·d x2 −1·m−2 ； 为料浆 的固相质量分数，%. 式（8）的复相关系数 R 2=0.92， 式（9）的复相关系数 R 2=0.95，表明回归方程相关性 较好. 由式（8）和式（9）可以看出，尽管絮凝剂单耗 不同，但是固体通量与料浆浓度之间的关系式相 似，呈倒对勾状. 式（8）、式（9）中随着料浆浓度的 增加，固体通量呈现先增大后减小的趋势. 由固体 通量的计算公式可知，固体通量与料浆浓度呈正 相关，因此在合理料浆浓度范围，随着料浆浓度的 升高，固体通量呈上升趋势. 当料浆浓度高到一定 程度时，颗粒之间的干涉作用逐渐加强，浓度对颗 粒沉降速度的影响逐渐突出，浓度的上升反而抑 制了颗粒的沉降，由于这种颗粒间干涉抑制沉降 速度的效果逐渐增强，导致固体通量呈下降趋势. 3.3    固体通量与料浆浓度、絮凝剂单耗的耦合关系 将单耗和料浆浓度进行耦合，与固体通量关 系进行回归，结果如式（10）. y4 = 0.052x2 3 −0.052x2 2 x1 −2.14x2 2+ 1.521x1 x2 +28.59x2 −126.2 （10） y 其中， 4 为絮凝剂单耗和料浆浓度耦合下的固体通 量，t·d−1·m−2 . 式（10）中絮凝剂单耗和料浆浓度对 回归方程的贡献计算方法如式（11）. Ti = Pi Q （11） i T1 x1 T2 x2 P1 x1 P2 x2 Q 其中， =1，2； 为 对式（10）的贡献； 为 对式 （10）的贡献； 为 偏回归平方和； 为 偏回归 平方和； 为总偏回归平方和. 由式（11）计算得到， T1 =22.11%，T2 =77.89%. 由 此可知，絮凝剂单耗和料浆浓度对固体通量的贡 献大小为：料浆浓度>絮凝剂单耗. 在尾矿沉降过 程中，絮凝剂通过网捕固体颗粒形成絮凝团，增加 颗粒重力从而加速沉降. 而料浆浓度与尾矿颗粒 的沉降速度呈反比，影响尾矿的整体沉降效率. 并 且，料浆浓度影响絮凝剂在料浆中的扩散速度与 网捕效率：若料浆浓度过大，絮凝剂在深锥浓密机 中难以扩散，无法均匀地分布在料浆中；料浆浓度 过小，单位体积内絮凝剂分子网捕尾矿颗粒的数 量降低，形成絮凝团的速度变慢[26−27] . 因此，料浆 浓度对固体通量的影响程度大于絮凝剂单耗. 3.4    工程建议 根据式（7）～（10）可知：在单因素条件下，固 体通量随絮凝剂单耗、料浆浓度的增加均呈先增 大后减小的趋势；在絮凝剂单耗和料浆浓度耦合 影响下，絮凝剂单耗和料浆浓度存在最优值，使得 固体通量最大. 因此，若矿山在进行深锥浓密机设 计时，可根据实验所得的数学关系，得到深锥浓密 机的最大固体通量，从而确定满足矿山充填需要 的深锥浓密机的最小直径. 同时，控制深锥浓密机 的入料浓度、絮凝剂单耗处于最优值，可保证深锥 浓密机高效运行. 根据式（11）所得结果，在深锥浓 密机实际运行过程中，若保证尾矿浓密效率，需优 先满足入料浓度，其次是絮凝剂单耗. 相反地，如 若入料浓度没有达到最佳稀释浓度，即使絮凝剂 添加很多，也可能发生絮凝效果不佳、处理能力较 小的情况，这样既不经济、也无法实现深锥浓密机 的高效运行. 为此，在实际深锥浓密机设计、运行 过程中，其固体通量应当综合考虑料浆稀释浓度 和絮凝剂单耗，达到经济、高效的目的. 4    结论 （1）通过静态量筒沉降实验，得到不同絮凝剂 单耗和料浆浓度下的深锥固体通量. 其中随着絮 凝剂单耗增加，固体通量增加的速度逐渐降低，主 要原因是絮凝剂增多进而覆盖尾矿颗粒表面，抑 制架桥作用. 随着料浆浓度增加，固体通量呈现先 增大后减小的趋势，主要原因是料浆浓度与固体 通量呈正比，但当料浆浓度过大时，颗粒沉降干涉 作用明显，沉降阻力系数增加，从而导致固体通量 降低. （2）对絮凝剂单耗、料浆浓度与固体通量数学 关系进行回归分析. 其中絮凝剂单耗与固体通量 呈开口向下的二次函数关系；料浆浓度与固体通 量之间呈倒对勾状的函数关系，固体通量随着料 浆浓度的增加先快速增大后缓慢减小. 通过对料 浆浓度和絮凝剂单耗耦合影响效应下的固体通量 回归方程分析可知，二者对固体通量的贡献大小 为：料浆浓度>絮凝剂单耗. 参    考    文    献 Wu A X, Li H, Yang L H, et al. Cemented paste backfill paves the way for deep mining. Gold, 2020, 41（9）: 51 （吴爱祥, 李红, 杨柳华, 等. 深地开采, 膏体先行. 黄金, 2020, 41（9）：51） [1] Yuan Z L, Hu J L, Wu D, et al. A dual-attention recurrent neural network method for deep cone thickener underflow concentration prediction. Sensors, 2020, 20（5）: 1260 [2] Wu A X, Yang Y, Cheng H Y, et al. Status and prospects of paste technology in China. Chin J Eng, 2018, 40（5）: 517 （吴爱祥, 杨莹, 程海勇, 等. 中国膏体技术发展现状与趋势. 工 程科学学报, 2018, 40（5）：517） [3] · 1274 · 工程科学学报，第 43 卷，第 10 期