硅质磷矿的物化性质和浮选脱硅分离研究

对云南某硅质磷矿的物化性质进行了全面分析,并对其进行了较为系统的反浮选分离研究。物化性质分析显示:该磷矿主要含氟磷灰石和石英,石英晶体和磷灰石晶体交互存在;矿石表面与体相的成分及其质量分数差异显著;该矿中主要成分的质量分数随着粒径的不同而不同。对低品位、高硅质量分数的细粒径(75μm)磷矿,通过选择捕收性能优异的DDA作为捕收剂,磷酸作为抑制剂,NaOH作为pH调整剂,调节pH为9,用超声波预处理矿浆后,采取反浮选分离法可有效脱除其硅质脉石,使磷矿P2O5品位从22.3%提高到28.5%以上,回收率维持在75%以上。     

高硅钙质磷矿石中方解石成分浮选新工艺的研究

本文以细粒径高硅钙质磷矿中的钙质碳酸盐作为反浮选分离对象进行研究。采用在浮选前对矿物表面进行前处理的方法提升浮选效果,通过系列实验获得了在适宜的前处理工艺条件:使用H3PO4调节pH值,使前处理矿浆pH值为5.5,药剂稀释液添加量为100kg.t-1。在此工艺条件下,采用简单浮选药剂制度进行一次反浮选即可将原矿的P2O5含量从23.25%提升至29.5%,P2O5回收率可达90.42%。     

原子吸收分光光度法测定葡萄酒中铁含量的方法验证

依据GB/T 27417—2017《合格评定化学分析方法确认和验证指南》中方法验证相关的规定,对国家标准GB/T 15038—2006《葡萄酒、果酒通用分析方法》4.9铁(原子吸收分光光度法)的方法所涉及的测量范围、线性范围、检出限、定量限、精密度、正确度六个方法参数进行了验证。     

原子吸收分光光度法测定葡萄酒中铁含量的不确定度评定

葡萄酒中铁的测定采用GB/T 15038—2006《葡萄酒、果酒通用分析方法》4.9铁(原子吸收分光光度法),用建立数学模型的方法对结果的不确定度进行评估和计算。对标准溶液的配制、测量重复性、仪器稳定性各分量不确定度进行分析,得到了各分量不确定度和合成不确定度[1],最终得出更加客观的结果。     

石墨炉原子吸收光谱法测定食品中铅的不确定度评定

白酒中铅的测定采用GB 5009.12-2017《食品安全国家标准食品中铅的测定》第一法石墨炉原子吸收光谱法-微波消解法,操作步骤上存在些许不适用之处,结合国家标准GB 5009.268-2016《食品安全国家标准食品中多元素的测定》中微波消解法的操作步骤,对该检测方法进行改进优化,加入“准确移取液体试样5mL,于100℃赶除酒精的操作步骤”,用建立数学模型的方法对结果的不确定度进行评估和计算。对标准溶液的配制、测量重复性、仪器稳定性各分量不确定度进行分析,得到了各分量不确定度和合成不确定度,最终得出更加客观的结果。     

GB/T15038-2006《葡萄酒、果酒通用分析方法》中铜的测定方法适应性验证

依据GB/T 27417-2017 《合格评定化学分析方法和确认指南》中方法验证相关的规定,验证GB/T15038-2006《葡萄酒、果酒通用分析方法》中铜的测定方法检测葡萄酒中铜含量的方法过程中,其所涉及的测量范围、线性范围、检出限、定量限、精密度、正确度六个方法参数,证明该方法的适用性和有效性。     

求解均值-CVaR投资组合模型的改进粒子群算法

针对粒子群算法易跳过全局极值,且只能求解连续性问题的缺点,提出离散复形法局部搜索的思想,来有效提高粒子群算法在离散型问题中的搜索性能。针对粒子群算法易陷入局部极小的缺点,引入自适应粒子迁徙操作保证粒子的多样性,有效避免陷入局部收敛。对采用CVaR度量风险、构建有交易费用和限制证券比例的均值-CVaR投资组合模型进行仿真实验,实验结果验证了算法的有效性。将改进的粒子群算法应用到求解均值-CVaR模型的投资组合问题,与其他算法相比,该方法精度更高、性能更稳定。     

硝酸氧化法和区域熔融法联合净化工业黄磷的研究

研究了硝酸氧化法和区域熔融法联合净化工业黄磷生产高纯黄磷的方法。考察了硝酸氧化法反应时间和硝酸质量分数对脱砷率和磷收率的影响,结果表明,当硝酸质量分数为13%、液固体积比7∶1、氧化增强剂用量占黄磷质量的5%、反应温度为75 ℃、反应时间为4 h时,可使黄磷中砷质量分数降低到1×10-6,磷收率>80%。采用区域熔融法对氧化后的黄磷做二次处理,进一步脱除黄磷中的金属杂质,其中钙、铁、镁的脱除率分别达到97.67%、98.15%、85.29%。硝酸氧化法和区域熔融法联用能有效净化工业黄磷,生产高纯黄磷。