一种化合物捕收性能归一化预测方法技术

本发明专利技术属于矿物浮选领域，具体涉及一种化合物捕收性能归一化预测方法，分别计算不同参比捕收剂归一化相对回收率Rr

【技术实现步骤摘要】
一种化合物捕收性能归一化预测方法


[0001]本专利技术属于矿物浮选领域，具体涉及药剂捕收性能预测领域。

技术介绍

[0002]浮选是21世纪最伟大的技术之一，在此基础上，人类大规模利用矿产资源成为可能。成功浮选的关键是对不同矿物具有较高选择性的浮选表面活性剂。随着高品位矿物的日益枯竭，实现低品位和细粒嵌布矿物的高效浮选分离具有重要意义。实现难选矿物高效分离的最基本方法是开发高选择性捕收剂，这也是一个具有持久挑战性的重要课题。在浮选的百年历史中，捕收剂的开发主要依赖于经验法则和反复试验法，这些方法非常耗时、成本高、效率低。
[0003]随着计算机科学和量子化学的迅速发展，理论化学和计算化学逐渐被应用于揭示浮选体系的内在机理。对捕收剂分子的构效关系(SAR)的研究迎来了一个关键的机遇。DFT计算成为探索分离机理和预测浮选行为的一种广受关注的工具。它具有较高的计算效率和精度，已成为研究晶体表面和捕收剂的电子结构、性质及其相互作用的最流行的量子力学模型。然而，浮选中常用的DFT计算主要是周期性计算，耗时且昂贵，难以实现捕收剂的大规模计算和预测。
[0004]20世纪90年代，定量结构
‑
活性关系(QSAR)模型被应用于矿物浮选领域，以模拟捕收剂的分离效率。然而，QSAR或3D
‑
QSAR建模方法，需要制备大量具有相同骨架的捕收剂，并且只能预测具有相同骨架捕收剂的浮选行为。因此，通用性低的QSAR在工业应用中存在很大困难。因此，捕收剂的高通量预测和评估仍然是一个挑战。/>
技术实现思路

[0005]本专利技术的目的在于，提供一种化合物捕收性能归一化预测方法，旨在提供一种预判化合物浮选性能的定量预测方法。
[0006]一种化合物捕收性能归一化预测方法，步骤包括：
[0007]步骤(1)：
[0008]分别计算不同参比捕收剂归一化相对回收率Rr
’
和归一化分选效率SE
’
，并通过公式1计算各参比捕收剂的归一化浮选指数FI
’
，
[0009][0010]所述的归一化相对回收率Rr
’
分别为相对回收率Rr与相对回收率理论最大值Rr
max
的比值，范围在大于0小于1之间；所述的相对回收率Rr分别为各参比捕收剂对目标矿物浮选回收率
‑
目标矿物天然上浮率；Rr
max
＝100％
‑
目标矿的上浮率；
[0011]所述的归一化分选效率SE
’
分别为分选效率SE与分选效率理论最大值SE
max
的比值，范围在大于0小于1之间；其中，所述的分选效率SE分别为各参比捕收剂对目标矿物的浮选回收率
‑
脉石矿物回收回收率；SE
max
＝100％
‑
脉石矿的天然上浮率；
[0012]通过公式2计算各参比捕收剂的归一化复合性质指数PI
’
，
[0013][0014]所述的Volume
’
为各参比捕收剂的归一化体积，即体积Volume与数据库中体积最大值Volume
max
的比值；其中，所述的Volume为各参比捕收剂的体积；
[0015]所述的negSurArea
’
为各参比捕收剂的归一化负电荷表面积，即负电荷表面积negSurArea与数据库中负电荷表面积最大值negSurArea
max
的比值；其中，所述的negSurArea为各参比捕收剂的负电荷表面积；
[0016]所述的ICS
’
为各参比捕收剂的归一化分子内部电荷分布态，即分子内部电荷分布态ICS与数据库中分子内部电荷分布态最大值ICS
max
的比值；其中，所述的ICS为各参比捕收剂的分子内部电荷分布态；
[0017]以计算得到的FI
’
为纵坐标，所述的PI
’
为横坐标，绘制并计算得到公式3的线性公式：
[0018]FI
’
＝A
×
PI
’
+B
ꢀꢀ
公式3：
[0019]步骤(2)：
[0020]按照步骤(1)的公式2，计算待评价的化合物的归一化复合性质指数PI
’
，并采用公式3计算待评价的化合物的归一化浮选指数FI
’
，预测并量化待评价捕收剂对步骤(1)的目标矿和脉石矿的浮选性能。
[0021]本专利技术研究发现，采用公式1和公式2计算的FI
’
和PI
’
具有优异的线性关系，基于构建的线性关系公式可以快速、准确地筛查针对目标矿
‑
脉石矿分选的浮选药剂的浮选能力。本专利技术方法能够快捷、精准、高效地预测未知化合物的浮选能力。
[0022]本专利技术中，所述的公式1和公式2的建模是量化捕收剂浮选能力，改善预测准确性的关键。
[0023]本专利技术中，对不同的矿物体系均具有优异的普适性。
[0024]例如，所述的目标矿为硫化矿或氧化矿；
[0025]优选地，所述的硫化矿为黄铁矿、黄铜矿、方铅矿、闪锌矿、铁闪锌矿、辉钼矿、辉铜矿中的至少一种；
[0026]优选地，所述的氧化矿为萤石、方解石、白钨矿、黑钨矿中的至少一种。
[0027]所述的脉石矿物为需要和目标矿分选的矿物。
[0028]优选地，本专利技术中，包含目标矿
‑
脉石矿的矿物体系为包含但不限于铅
‑
铁硫化矿、铜
‑
铁硫化矿分、铅
‑
锌硫化矿、铜
‑
钼硫化矿、铜
‑
铁
‑
铅硫化矿、铜
‑
钼
‑
铅硫化矿、铅
‑
锌
‑
铁硫化矿、铜
‑
铅
‑
锌
‑
铁硫化矿或铅
‑
锌
‑
铁
‑
铜
‑
钼分硫化矿。
[0029]本专利技术中，所述的参比捕收剂为用于所述目标矿浮选的已知捕收剂，优选为行业内典型的捕收剂。
[0030]优选地，所述的参比捕收剂至少包含离子型捕收剂和非离子型捕收剂；
[0031]优选地，所述的离子型捕收剂包括强阴离子型捕收剂和弱阴离子捕收剂中的至少一种；
[0032]所述的非离子型捕收剂包含杂原子类非离子型捕收剂和杂环类非离子型捕收剂中的至少一种。
[0033]本专利技术中，为了改善预测的准确性，选取的捕收剂的类别优选大于或等于2类。其
中，具有相同结合官能团或者母核的为同一类。
[0034]优选地，捕收剂的类别优选为3～10类。优选地，同类型的捕收剂选取的参比捕收剂数量大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种化合物捕收性能归一化预测方法，其特征在于，步骤包括：步骤(1)：分别计算不同参比捕收剂归一化相对回收率Rr
’
和归一化分选效率SE
’
，并通过公式1计算各参比捕收剂的归一化浮选指数FI
’
，所述的归一化相对回收率Rr
’
分别为相对回收率Rr与相对回收率理论最大值Rr
max
的比值，范围在大于0小于1之间；所述的相对回收率Rr分别为各参比捕收剂对目标矿物浮选回收率
‑
目标矿物天然上浮率；Rr
max
＝100％
‑
目标矿的上浮率；所述的归一化分选效率SE
’
分别为分选效率SE与分选效率理论最大值SE
max
的比值，范围在大于0小于1之间；其中，所述的分选效率SE分别为各参比捕收剂对目标矿物的浮选回收率
‑
脉石矿物回收回收率；SE
max
＝100％
‑
脉石矿的天然上浮率；通过公式2计算各参比捕收剂的归一化复合性质指数PI
’
，所述的Volume
’
为各参比捕收剂的归一化体积，即体积Volume与数据库中体积最大值Volume
max
的比值；其中，所述的Volume为各参比捕收剂的体积；所述的negSurArea
’
为各参比捕收剂的归一化负电荷表面积，即负电荷表面积negSurArea与数据库中负电荷表面积最大值negSurArea
max
的比值；其中，所述的negSurArea为各参比捕收剂的负电荷表面积；所述的ICS
’
为各参比捕收剂的归一化分子内部电荷分布态，即分子内部电荷分布态ICS与数据库中分子内部电荷分布态最大值ICS
max
的比值；其中，所述的ICS为各参比捕收剂的分子内部电荷分布态；以计算得到的FI
’
为纵坐标，所述的PI
’
为横坐标，绘制并计算得到公式3的线性公式：FI
’
＝A
×
PI
’
+B公式3：步骤(2)：按照步骤(1)的公式2，计算待评价的化合物的归一化复合性质指数PI
’
，并采用公式3计算待评价的化合物的归一化浮选指数FI
’
，预测并量化待评价捕收剂对步骤(1)的目标矿和脉石矿的浮选性能。2.如权利要求1所述的化合物捕收性能归一化预测方法，其特征在于，所述的目标矿为硫化矿或氧化矿；优选地，所述的硫化矿为黄铁矿、黄铜矿、方铅矿、闪锌矿、铁闪锌矿、辉钼矿、辉铜矿中的至少一种；优选地，所述的氧化矿为萤石、方解石、白钨矿、黑钨矿中的至少一种；优选地，包含目标矿
‑
脉石矿的矿物体系为包含但不限于铅
‑
铁硫化矿、铜
‑
铁硫化矿分、铅
‑
锌硫化矿、铜
‑
钼硫化矿、铜
‑
铁
‑
铅硫化矿、铜
‑
钼
‑
铅硫化矿、铅
‑
锌
‑
铁硫化矿、铜

【专利技术属性】
技术研发人员：高志勇，张晚佳，冯知韬，靳鑫，曹建，孙伟，胡岳华，
申请(专利权)人：中南大学，
类型：发明
国别省市：