基于拉曼光谱的复杂硫化矿快速分类方法研究

热液硫化物型脉状矿作为一类复杂硫化矿,其区域特征、成矿规律及矿物成份已有初步研究。由于成矿时期的不同,矿石中有用矿物的特征存在较大差异,导致不同矿物的性质变化较大。在选矿过程中,矿物性质的差异一定程度增加了选矿难度,减少了有用矿物回收率。因此,迫切需要一种快速、简单的对复杂硫化矿进行分类的方法,进而提高选矿指标。激光拉曼光谱技术作为一种能够分析物质结构信息的手段,已被应用于矿物的成份鉴定和结构分析。通过对大量矿物样本的激光拉曼光谱的研究,结合矿物性质深入揭示其光谱差异的原因,提出了一种基于拉曼光谱的复杂硫化矿矿源分类方法。实验结果表明：由于此类复杂硫化矿成矿时期的差异,从而造成矿物结构和性质存在较大差异。荧光主要由原矿中的脉石矿物产生,猝灭矿物中瞒石的荧光背景后可知201.62, 242.54, 288.38和309.77 cm-1处拉曼峰可以作为此类硫化矿的拉曼指纹谱。为此,基于此类硫化矿的荧光强度和代表谱峰强度与荧光背景比值可以将矿源分为三类,并利用工业试验结果进一步验证分类方法的准确性。本研究深入分析了此类复杂硫化矿的激光拉曼光谱与其矿物性质与类别之间的密切关系,提出了矿源快速分类方法,矿样无需经过复杂的化学前处理过程,对提高选矿作业效率具有重要应用价值。     

基于拉曼光谱高斯分峰拟合的硫化锑含量检测方法

针对硫化锑含量采用化学分析方法检测存在操作复杂、检测时间长的问题,提出了一种基于拉曼光谱高斯分峰拟合的硫化锑含量快速检测方法。采用拉曼光谱系统测定锑矿样品的拉曼谱图,对原始拉曼谱图进行平滑去噪、背景扣除、谱段选择及归一化等预处理。基于高斯曲线的高斯峰、峰面积、半高宽和峰位置等信息,建立单个高斯峰的数学模型,提出高斯分峰拟合算法对光谱进行拟合,采用状态转移算法对高斯峰模型进行优化求解,得到表征光谱信息的特征参量,结合偏最小二乘回归方法,确定特征参量和硫化锑含量之间的关系,从而建立模型,实现对硫化锑含量的预测。实验中通过训练样本建立校正模型,对测试样本进行预测,同时从训练样本中随机挑选出检验样本,利用已建立的模型,对其硫化锑含量进行预测,以检验模型的正确性和外推性。实验结果表明：与预处理后全光谱建模相比,采用高斯分峰拟合后建立的预测模型的预测效果更好,证明了模型的正确性和良好外推性。因此,拉曼光谱结合高斯分峰拟合算法应用于锑矿中硫化锑含量的检测是可行的,且测量过程更简单,适用于矿物成分的快速分析。