铁精粉

钢铁生产过程中元素分析几乎贯穿整个流程，其中使用X射线荧光光谱法分析元素的包括：全新的MXF-N3 Plus可满足以上各个环节的元素检测，快速、稳定、高精度、无污染。以下摘选部分分析案例供参考。 Plus铁矿石 • 可分析铁矿石中TFe由30%到70%的铁矿石样品；• 矿石种类包括：铁矿石原矿、烧结矿、球团矿、铁精粉、澳矿、南非矿、巴西矿、印度矿等；• 按铁矿结构分类可包括：磁铁矿、赤铁矿、菱铁矿、褐铁矿等以及相关铁矿的铁精粉；• 制样方法：熔片（可消除矿物结构和颗粒度效应，推荐）或压片；• 相对标准偏差(RSD,n=10)在0.23%~3.3%之间。 Plus烧结矿• 制样方法：压片或熔片（炉前实验室操作繁琐时间长，不推荐）• 准确度验证：Plus高炉渣• 制样方法：压片或熔片• 部分曲线示例： Plus生铁• 制样方法：磨样机打磨• 部分测试结果示例：* 参照GB/T223系列标准★注：篇幅所限，仅列举部分分析实例，如您需要其他案例应用报告，请致电岛津。 ★涉及相关标准（部分）★ 1) GBT 6730.62-2005 铁矿石 钙、硅、镁、钛、磷、锰、铝和钡含量的测定 波长色散X射线荧光光谱法2) SNT 0832-1999进出口铁矿中铁、硅、钙、 锰、铝、钛、镁和磷的测定 波长色散X射线荧光光谱法3) ISO 9516:1992 铁矿石—硅、钙、锰、铝、钛、镁、磷、硫和钾含量的测定X射线荧光光谱法4) GB/T 10332.1 铁矿石 取样和制样方法5) GB/T 6730.1 铁矿石化学分析方法6) GBT 21114-2007 耐火材料 X射线荧光光谱化学分析 - 熔铸玻璃片法

近日，四川赛恩思仪器又一台高频红外碳硫仪在客户现场安装调试完毕，此次用户为全国五百强企业-西部矿业股份有限公司。西部矿业股份有限公司由青海大柴旦锡铁山矿务局改制成立，总部位于青海省西宁市。在11个市区拥有30 余家控股公司，业务范围涵盖矿山采选、有色冶炼、金融贸易等领域公司主要从事铜、铅、锌、镍、钒、钼、铁等基本金属的采选、冶炼、贸易等业务，主要产品有铅精矿、锌精矿、铜精矿、铁精粉等，是全国第二大铜精矿生产商、第二大铅精矿生产商、第二大锌精矿生产商。 四川赛恩思仪器HCS-801型高频红外碳硫分析仪将进入西部矿业的质检中心实验室，对用户单位的来料和成品进行把关。HCS-801型高频红外碳硫仪为国内主流型仪器，分析样品品种包含黑色金属、有色金属、合金材料、铁合金、岩矿、矿石土壤、钛白粉、新能源材料及其它非金属材料。公司可根据客户需求任意选配高碳高硫低碳低硫四个物理检测池，以满足不同客户的具体需求。 我公司售后工程师对仪器进行了安装调试以及人员培训，测试样品铁矿石，铅锌矿，铜精矿等，实验数据获得客户认可。四川赛恩思仪器有限公司现有HCS-800、HCS-801、HCS-806以及HCS-808型高频红外碳硫仪，客户可根据自身需求选择仪器型号。公司始终坚持“客户至上”的服务理念，依托专业的技术优势与丰富的行业资源，已成为全国知名的分析仪器制造商，并被授予“高新技术企业”。四川赛恩思仪器诚邀全国各地经销商和使用方来函、洽谈咨询；欢迎有识之士加入四川赛恩思仪器有限公司！

背景介绍多数情况下，为进行全面的矿产资源评价，了解铁矿石在下游加工作业中的行为或预测矿石品质对下游工艺的影响并优化处理工艺，需要获取大量关于矿石的原始信息。这些信息包括矿相组成、孔隙度、连生关系、粒度分布、解离度、组织结构、矿石颗粒结构分类和计算出的矿物密度和矿物成分等等。现在，所有这些重要信息都可以在OIA全自动铁矿相分析系统的帮助下准确获得。该系统实现在光学显微镜上自动采集图像，并可自动识别不同铁矿石、烧结矿、球团矿和冶金焦炭中的各矿相和孔隙。图像的获取和矿物颗粒的综合表征全部自动化完成，包括结构分类、解离分析、矿物连生关系和计算后的矿物成分、密度、尺寸等。本系统允许用户建立属于自己的特定结构分类方案，宽泛的放大倍数适用于铁矿粉至块矿，所有计算结果均以图、表的形式导出到Excle或Word文档，加之友好的用户界面，使之成为研究铁矿石、烧结和球团矿不可或缺的强力助手 。 图1 OIA全自动铁矿相分析系统工作原理OIA系统的工作原理有两个：基于反射色的多门槛值识别；基于矿物组织结构的识别。应用范围原生铁矿石、铁精粉、烧结矿、球团矿及冶金焦炭等炼铁原材料。应用案例1-铁矿石OIA在铁矿石信息表征中的应用主要包括获取样品矿物种类（磁铁矿、赤铁矿、水赤铁矿、褐铁矿、石英、孔隙等）及其含量（表1）、颗粒尺寸（表2）、连生关系（表3）及解离度（图3）等[1]。同时，可以提供包含丰富信息的彩色矿物分析图像（图2）。7图2 铁矿石光学图像(a)与矿物分析图像(b)表1 铁矿石样品中的矿物组成与含量表2 铁矿石样品中的矿物颗粒尺寸表3 铁矿石样品中各矿物间的连生关系图3 样品中按矿相计算的解离关系应用案例2-烧结矿OIA在烧结矿信息表征中的应用主要在于识别样品中的不同的赤铁矿相--原生赤铁矿（未反应相）和次生赤铁矿（烧结熔体中分异相）和不同类型的SFCA相（复合铁酸钙）[2]，并提供包含丰富信息的彩色图像（图4），包括大面积拼图（图5）与微观分析图像（图6）。 图4 烧结矿光学图像(a)与矿相分析图像(b)图5 烧结矿样品的大面积光学图像拼图(a)与矿相分析图(b)备注：该图像由525帧200×的图像拼接而成，覆盖区域面积12mm×13mm，样品由鞍钢集团钢铁研究院提供图6 上述烧结矿样品的微观分析图像应用案例3-球团矿OIA在球团矿中的应用主要在于表征样品中的Fe3O4相、Fe2O3相和孔隙的分布特征。这里以加热到800℃的磁铁矿球团为例简作说明（图7），详细信息可参阅相关资料[3]。图7 球团矿样品的微观信息表征备注：该球团矿直径为12.7mm。图a为21×21帧2×2Mosaix图像拼接而成的光学图像；图b为系统分析后的矿相图像（粉色-Fe3O4相、蓝色-Fe2O3相、黄色-孔隙）；图c-图e为各相的空间分布特征应用案例4-冶金焦炭OIA在冶金焦炭中的应用主要在于表征样品中的IMDC相（惰性组分）、RMDC相（活性组分）及两者边界和孔隙的分布特征（图8）。详细应用信息可参阅相关资料[4]。图8 焦炭样品的微观信息表征（品红色-IMDC、浅蓝色-RMDC、黄色-孔隙）OIA与MLA分析方法对比—铁矿石图9 MLA（图a、b）与OIA（图c、d）分析方法在原生铁矿石信息表征中的对比（粉色-磁铁矿、蓝色-赤铁矿、绿色-褐铁矿、黄色-孔隙、黑色-未识别）由于天然主要铁矿物（磁铁矿与假象赤铁矿，赤铁矿与水赤铁矿等）的含铁量往往相差不大，因此在扫描电镜下其灰度相近（图9a），MLA等电镜矿物分析软件易产生较大的识别误差（图9b）；但各铁矿物相在光学显微镜下的特征更加明显（反射色各异，图9c），因此，搭载于光镜上的OIA全自动铁矿相分析系统对铁矿物的识别更加精确，同时，对孔隙特别是微孔隙的捕捉更加灵敏（图9d）。OIA与MLA分析方法对比—烧结矿图10 MLA（图a、b）与OIA（图c、d）分析方法在烧结矿信息表征中的对比MLA在烧结矿的应用中产生的问题与铁矿石分析中遇到的问题相同，样品中不同矿相在电镜下的灰度差异不足以使软件清晰的分割划分，所得分析结果与真实分布情况出入很大（图10a，b）；而OIA在烧结矿中的表征，无论是矿相的识别，还是细节的捕捉，都远远优于MLA。OIA关键技术优势• 自动化分析，效率性大幅提升(比人工计点法快高效准确)手动计数往往低估了作为包体存在的小相；由于玻璃的反射率与环氧树脂的反射率非常接近，使得人眼无法对两者做出可靠的区分，因此也容易低估玻璃相；手动计数往往低估了孔隙率，因为忽略了微孔隙的存在。• 准确性(比扫描电镜分析方法更精确)• 信息丰富性(包含丰富的矿物信息）• 形貌表征(包括不同矿相和孔隙的组织结构和空间分布特征)OIA潜在应用OIA全自动铁矿相分析系统为广大矿业公司，钢铁企业及第三方检测机构实现以下战略目标提供配套定性及定量表征手段：☆ 定量分析铁矿石矿相，用以评估铁矿资源，预测铁矿特征对下游工艺的影响，优化矿石处理工艺流程，从而优化资源利用，增加资源量，降低矿物加工成本。☆ 定量分析烧结矿和球团矿矿相，研究烧结球团矿微观结构与性能的关系，从而优化配矿和烧结焙烧工艺，改善烧结矿品质，降低配矿成本。☆ 定量分析焦炭微观结构，预测焦炭性能及其对炼铁、冶金工艺的影响，从而实现节能减排。参考文献[1] Donskoi, E. ,Poliakov, A. ,Manuel, J. R. and Raynlyn, T. D. Advances in optical image analysis and textural classification of iron ore fines, XXV International Mineral Processing Congress-IMPC2010, Brisbane, Australia. 2010, pp. 2823-2826.[2] Donskoi, E. ,Poliakov, A. ,Manuel, J. R. Automated Optical Image Analysis of Natural and Sintered Iron Ore: mineralogy, processing and environmental issues, Ed. L. Lu, Elsevier, 2015, pp: 101-159[3] Poliakov, A. ,Donskoi, E. , Hapugoda, S. Lu, L. Optical image analysis of iron ore pellets and lumps using CSIRO software Mineral4/Recognition4. IRON ORE CONFERENCE/PERTH, AUSTRALIA, 2017, 7: 24-26[4] Donskoi, E. ,Poliakov, A. , Mahoney, M. R., Scholes O. Novel optical image analysis coke characterization and its application to study of the relationship betweem coke structure, coke strength and parent coal composition. Fuel, Elsevier, 2017(208), pp: 281-295