采用Design-Expert優化高硫煤搖床脫硫實驗研究

岳增川

(1.遼寧工程技術大學 礦業學院，遼寧 阜新123000；2.朝陽師范高等專科學校 生化工程系，遼寧 朝陽122000)

0 引言

高硫煤是指硫含量大于3.0%的煤。在燃燒過程中，高硫煤中的硫會以SO2和SO3的形式進入大氣中，對環境造成嚴重污染，但通過煤炭的燃前脫硫可以有效的降低這一危害[1]。我國煤炭中硫主要以黃鐵礦硫為主，此外還有少量的有機硫和硫酸鹽硫[2]。目前，煤炭的燃前脫硫主要以脫除煤中黃鐵礦為主，黃鐵礦與煤中可燃體組分密度差異明顯，因此，可以通過重選的方法將之分離脫除。

搖床是一種常用的粗顆粒礦物重選設備，它通過分選床面的往復搖動和橫向水流的沖洗作用使礦物按照密度和粒度實現分選，對于粒級為2～0.125 mm的高硫煤具有較好的脫硫效果[3]。但影響搖床分選效果的因素比較多，如入料濃度、沖水量、橫向坡度、沖程、沖次等，沖水量和橫向坡度共同決定橫向水流的流速，沖程和沖次綜合決定著床面運動的速度與加速度，各因素之間的交互作用影響密切，使得搖床分選過程調控難度較高[4]。因此本文利用Design-Expert軟件中的Box-Behnken 實驗設計方案對高硫煤搖床脫硫實驗進行了設計與優化，對實驗結果進行統計分析，建立了基于煤炭脫硫完善度的二次方修正模型，同時利用二維等高線準確分析了各因素之間的交互作用，求得搖床分選過程中的最佳操作參數。

1 實驗方法與實驗設計

利用Dino lite AM3111T便攜式數碼顯微鏡、ZEISS M1m顯微分光光度計對煤樣中無機硫的分布與賦存狀態進行了分析，同時利用島津IFAffinity-1S型傅里葉變換紅外光譜儀對煤樣中的有機硫進行了分析，測試范圍：4500～400 cm-1，掃描次數：32次，樣品與KBr比例：1比160，分辨率：4 cm-1；數據間隔：1.929 cm-1。通過篩孔尺寸為2、0.9、0.45、0.3、0.15 mm的標準套篩和由苯、四氯化碳、三溴甲烷按一定比例配制的密度為1.3、1.4、1.5、1.6、1.8 g/cm3的有機重液對實驗所用高硫煤煤樣進行了粒度和密度分析。全硫、黃鐵礦硫、灰分的測定分別參照GB/T214-1996《煤中全硫的測定方法》、GB/T215-1996《煤中各種形態硫的測定方法》、GB/T212-1991《煤的工業分析方法》中有關規定進行。

搖床分選實驗選用 RK/LY-1100×500變頻搖床，給礦濃度為150 g/L，實驗參數主要包括沖水量、橫向坡度、沖程、沖次等四個因素。在單因素實驗的基礎上，采用Design-Expert軟件中的Box-Behnken 實驗設計方案按四因素、三水平對該搖床脫硫實驗進行設計，實驗因素及水平見表1。

表1 實驗因素及水平

以脫硫完善度作為正交實驗響應值R，其表達式為

式中，R為脫硫完善度，%；γp為精煤產率，%；Spf為入料全硫硫分，%；Spp為精煤全硫硫分，%；Af為入料灰分，%

2 煤樣性質分析

由煤中黃鐵礦的數碼顯微照片與煤巖顯微照片(圖1)可知，煤樣中無機硫主要以黃鐵礦的形式存在，多數黃鐵礦顆粒單體解離度較高，且顆粒粒度較大，這部分黃鐵礦通過可重選較易脫除。但少量黃鐵礦以細小片狀或散點狀形態嵌布于有機質中，該部分黃鐵礦很難通過重選法直接脫除[5-6]。由煤泥紅外光譜譜圖(圖2)可知，551 cm-1為-S-S-、-SH，為煤中有機硫的主要來源，914、1032.7 cm-1為高嶺土等粘土類無機礦物，含量較多，為煤中灰分的主要來源[7]。

圖1 煤中黃鐵礦的數碼顯微照片與煤巖顯微照片 圖2 煤樣的紅外分析譜圖

由煤樣粒度和密度分析結果(表2、3)可知，該煤樣全硫硫分高于3%，屬于高硫煤；煤樣粒度在2～0.15 mm之間，主導粒級為0.9～0.45 mm，煤樣的灰分與硫分均隨粒級的降低而升高；-1.4 g/cm3與+1.6 g/cm3密度級樣品含量較高，煤中可燃體組分與無機礦物組分解離較為充分，樣品中黃鐵礦硫含量占全硫的90%以上，可知該煤樣較適合通過搖床進行重選脫硫。

綜合以上分析可知：該樣品可通過重選較易的脫除多數硫分，但由于有機組分中含有部分細小片狀或散點狀分布的黃鐵礦，以及有機硫的存在，進一步深度脫硫比較困難。

表2 煤樣粒度分析表

表3 煤樣密度分析表

3 搖床分選實驗結果與討論

3.1 實驗結果

Box-Behnken實驗方案總共包含29組實驗，具體實驗設計方案與結果見表4。

表4 Box-Behnken實驗設計方案及結果

3.2 回歸模型的建立與分析

通過對線性、2FI、二次方程、三次方程模型的方差、擬合缺陷比較以及四種模型的綜合統計分析，最終發現二次方程模型的F值最大，Prob>F值最小，可知該擬合模型較其他三種模型能更為顯著，可以較為準確的反映脫硫完善度與各因素之間的關系。由實際值表示的脫硫完善度方程為：

R=-98.26+6.95 A+29.74 B-0.05 C+10.41 D-0.98AB+0.01 AC+0.05 AD-0.01 BC-0.08 BD-0.01 CD-0.71 A2-2.28 B2+0.00017C2-0.31D2

表5為編碼條件下的二次方程模型各項參數估計與置信度分析。各項參數估計值的絕對值大小與各因素對響應值的影響程度呈正比[8]，由此可知單因素對脫硫完善度影響程度的大小順序為：B>A>D>C，各因素交互作用對脫硫完善度影響程度的大小順序為：AB>AC>BC>BD>CD>AD。各項參數估計值的正負代表各項對響應值的效應方向，據此可知，AC、AD、C2為正效應，其他項均為負效應。

表5 編碼條件下的二次方程模型參數估計與置信度分析

根據所選定的模型，作出了內在學生化殘差預測值與實際值的關系圖。如圖3所示，29組預測值與實際值呈直線對應關系，可見該模型擬合效果較好，預測值較為可靠。

圖3 內在學生化殘差預測值與實際值對比

3.3 響應面分析

圖4為因素間二階交互作用的響應面等高線圖，圖中除各圖對比分析的兩因素外，另外兩因素取值一定，為實驗中各因素0水平的對應值。該圖可以直觀地反映各因素及其交互作用對脫硫完善度R的影響結果[9]。依次分析AB、AC、AD、BC、BD、CD因素的二階交互作用響應面等高線圖可知：當因素A取值小于7 L·min-1時，響應值R隨因素B取值變化而產生的單步長變化幅度非常大，且等高線均為橢圓形，可知AB因素交互作用對響應值R的影響非常顯著，且在AB交互作用下因素B的影響顯著性高于因素A；當因素C取值小于351次·min-1時，響應值R隨因素A取值的增加而先增后減，變化幅度較為顯著，可見AC交互作用對響應值R的影響較為顯著，且以因素A為主導；AD因素交互作用響應面等高線變化幅度較小，可見AD因素交互作用對響應值R的影響顯著性較低，但就單因素而言因素A的影響顯著性高于因素D；當因素B取值確定時，因素C取值對響應值R基本無影響，但BC因素交互作用對響應值R影響具有較高的顯著性；因素D取值在10.6～15.2 mm時，響應值R隨因素B取值的增加而先增加后減小，BD因素交互作用對響應值R的影響具有一定顯著性且以因素B為主導；CD因素交互作用對響應值R的影響顯著性較低，但因素D響應值R的影響顯著性明顯高于因素C。綜合來看，響應面分析所得的單因素與各因素交互作用對脫硫完善度影響程度的大小順序與回歸模型參數估計值所確定的結果是一致的，即橫向水流的流速對脫硫完善度影響程度的顯著性要高于床面的運動速度與加速度。

圖4 因素間二階交互作用響應面等高線圖

此外，因素間二階交互作用的響應面等高線圖還可以預測取得最佳脫硫完善度R時的各影響因素的取值范圍[6]。綜合分析圖4可知，各影響因素的最佳取值范圍應為：因素A取值低于5.35 L·min-1，因素B取值在3.8～4.9°之間，因素C低于351次·min-1，因素D取值在12.5～14.0 mm之間。

3.4 實驗參數優化與驗證

以脫硫完善度為優化指標，目標為其最大值，軟件所推薦的前7個優化方案見表6。

表6 推薦優化參數方案

結合搖床各操作參數的實際操作精度，在軟件所推薦的優化方案基礎上，設計了兩組較優的實驗條件，并對其進行了實驗驗證。實驗結果與由回歸模型計算所得的理論值見表7。

表7 驗證實驗結果

結果表明實際脫硫完善度與理論脫硫完善度基本一致，可見軟件所建立的二次方模型準確可靠。最終確定最佳實驗條件為：沖水量5.1 L·min-1，橫向坡度4.5°，沖次325次·min-1，沖程取值13 mm，此時脫硫完善度為41.79%。

4 結論

(1)利用顯微鏡和紅外光譜儀，結合篩分和浮沉實驗，分析了煤樣中硫分的分布規律與賦存狀態，發現該樣品中硫分以黃鐵礦硫為主，且單體解離度較高，可通過搖床重選脫除大部分硫分，但進一步深度降硫比較困難。

(2)通過Design-Expert 系統中的Box-Behnken 實驗設計方案設計了高硫煤的搖床脫硫實驗，以脫硫完善度為響應值，建立并優化了其與沖水量、橫向坡度、沖程、沖次之間的二次方模型。

(3)分析了因素對響應值的影響顯著程度，其中，單因素對脫硫完善度影響程度大小順序為：A(橫向坡度)>B(沖水量)>C(沖程)>D(沖次)，各因素交互作用對脫硫完善度影響程度大小順序為：AB>AC>BC>BD>CD>AD。

(4)以脫硫完善度為優化指標，目標為其最大值，得到最佳試驗條件：沖水量5.1 L·min-1，橫向坡度4.5°，沖次325次·min-1，沖程13 mm，此時脫硫完善度為41.79%。優化結果與實驗驗證結果吻合良好。