微生物学报

Code	Factors	Levels
A	c(PCBs)/(g/L)	60.0	80.0	100.0
B	Particle size (cm)	2.0	3.0	4.0
C	Liquid velocity (L/min)	1.2	2.4	3.6

Code	Factors	Levels
A	c(PCBs)/(g/L)	60.0	80.0	100.0
B	Particle size (cm)	2.0	3.0	4.0
C	Liquid velocity (L/min)	1.2	2.4	3.6

Run	c(PCBs)/(g/L)	Particle size (cm)	Liquid velocity (L/min)	Cu bioleaching ratio (%)	Ni bioleaching ratio (%)
1	60.0	2.0	3.6	53.9	48.8
2	60.0	3.0	2.4	51.9	49.5
3	60.0	3.0	2.4	51.9	49.5
4	60.0	3.0	1.2	59.3	51.1
5	80.0	2.0	2.4	55.8	50.5
6	60.0	2.0	2.4	67.3	51.3
7	80.0	2.0	3.6	56.9	51.7
8	80.0	4.0	1.2	50.5	51.7
9	100.0	2.0	2.4	47.2	44.7
10	100.0	3.0	3.6	54.2	46.9
11	100.0	3.0	1.2	66.6	51.8
12	80.0	4.0	2.4	68.9	58.4
13	80.0	2.0	1.2	54.9	50.5
14	60.0	3.0	3.6	54.2	46.9
15	100.0	4.0	1.2	55.5	50.7
16	60.0	3.0	1.2	54.3	50.4
17	60.0	4.0	3.6	49.2	50.7
18	60.0	3.0	1.2	63.2	53.4
19	80.0	3.0	2.4	61.6	48.6
20	100.0	4.0	2.4	68.8	58.4

Run	c(PCBs)/(g/L)	Particle size (cm)	Liquid velocity (L/min)	Cu bioleaching ratio (%)	Ni bioleaching ratio (%)
1	60.0	2.0	3.6	53.9	48.8
2	60.0	3.0	2.4	51.9	49.5
3	60.0	3.0	2.4	51.9	49.5
4	60.0	3.0	1.2	59.3	51.1
5	80.0	2.0	2.4	55.8	50.5
6	60.0	2.0	2.4	67.3	51.3
7	80.0	2.0	3.6	56.9	51.7
8	80.0	4.0	1.2	50.5	51.7
9	100.0	2.0	2.4	47.2	44.7
10	100.0	3.0	3.6	54.2	46.9
11	100.0	3.0	1.2	66.6	51.8
12	80.0	4.0	2.4	68.9	58.4
13	80.0	2.0	1.2	54.9	50.5
14	60.0	3.0	3.6	54.2	46.9
15	100.0	4.0	1.2	55.5	50.7
16	60.0	3.0	1.2	54.3	50.4
17	60.0	4.0	3.6	49.2	50.7
18	60.0	3.0	1.2	63.2	53.4
19	80.0	3.0	2.4	61.6	48.6
20	100.0	4.0	2.4	68.8	58.4

Source	Sum of squares	Degree of freedom	Mean square	F-value	P-value
Model	0.067 5	9	0.007 5	4.84	0.010 8
A	0.053 5	1	0.053 5	34.46	0.000 2
B	0.000 4	1	0.000 4	0.26	0.623 0
C	0.002 8	1	0.002 8	1.79	0.210 9
AB	0.005 1	1	0.005 1	3.28	0.100 2
AC	0.004 3	1	0.004 3	2.75	0.128 5
BC	0.000 0	1	0.000 0	0.05	0.831 6
A²	0.053 0	1	0.053 0	34.12	0.000 2
B²	0.000 0	1	0.000 0	0.00	0.999 2
C²	0.005 3	1	0.005 3	3.43	0.093 6
Residual	0.015 5	10	0.001 6
Lack of fit	0.012 9	5	0.002 6	4.87	0.053 6
Pure error	0.002 6	5	0.000 5
Cor total	0.083 1	19

Source	Sum of squares	Degree of freedom	Mean square	F-value	P-value
Model	0.067 5	9	0.007 5	4.84	0.010 8
A	0.053 5	1	0.053 5	34.46	0.000 2
B	0.000 4	1	0.000 4	0.26	0.623 0
C	0.002 8	1	0.002 8	1.79	0.210 9
AB	0.005 1	1	0.005 1	3.28	0.100 2
AC	0.004 3	1	0.004 3	2.75	0.128 5
BC	0.000 0	1	0.000 0	0.05	0.831 6
A²	0.053 0	1	0.053 0	34.12	0.000 2
B²	0.000 0	1	0.000 0	0.00	0.999 2
C²	0.005 3	1	0.005 3	3.43	0.093 6
Residual	0.015 5	10	0.001 6
Lack of fit	0.012 9	5	0.002 6	4.87	0.053 6
Pure error	0.002 6	5	0.000 5
Cor total	0.083 1	19

Source	Sum of squares	Degree of freedom	Mean square	F-value	P-value
Model	0.019 8	9	0.002 2	25.99	<0.000 1
A	0.007 5	1	0.007 5	88.51	<0.000 1
B	0.000 3	1	0.000 3	3.27	0.100 5
C	0.000 2	1	0.000 2	1.91	0.197 5
AB	0.002 4	1	0.002 4	28.38	0.000 3
AC	0.000 3	1	0.000 3	3.26	0.101 4
BC	0.000 1	1	0.000 1	0.65	0.439 7
A²	0.009 3	1	0.009 3	110.42	<0.000 1
B²	0.001 0	1	0.001 0	12.22	0.005 8
C²	0.000 6	1	0.000 6	7.53	0.020 7
Residual	0.000 8	10	0.000 1
Lack of fit	0.000 6	5	0.000 1	2.08	0.221 0
Pure error	0.000 3	5	0.000 1
Cor total	0.0206	19

Source	Sum of squares	Degree of freedom	Mean square	F-value	P-value
Model	0.019 8	9	0.002 2	25.99	<0.000 1
A	0.007 5	1	0.007 5	88.51	<0.000 1
B	0.000 3	1	0.000 3	3.27	0.100 5
C	0.000 2	1	0.000 2	1.91	0.197 5
AB	0.002 4	1	0.002 4	28.38	0.000 3
AC	0.000 3	1	0.000 3	3.26	0.101 4
BC	0.000 1	1	0.000 1	0.65	0.439 7
A²	0.009 3	1	0.009 3	110.42	<0.000 1
B²	0.001 0	1	0.001 0	12.22	0.005 8
C²	0.000 6	1	0.000 6	7.53	0.020 7
Residual	0.000 8	10	0.000 1
Lack of fit	0.000 6	5	0.000 1	2.08	0.221 0
Pure error	0.000 3	5	0.000 1
Cor total	0.0206	19

Method	Pulp density (g/L)	Increasing ratio (%)	Bioleaching ratio (%)	Reference
Microbial fuel cells assisted	100.0	Cu (24.0)	Cu (79.7)	[29]
Electrode modified with N-doped carbon nanotube	20.0	Cu (20.0)	Cu (99.0)	[30]
Metal-tolerance strain	10.0	Cu (64.0), Ni (15.0)	Cu (94.0), Ni (45.0)	[31]
Physical fragmentation	100.0	Cu (20.4), Ni (14.1)	Cu (94.3), Ni (90.7)	[32]
The addition of lemon juice	7.5	Cu (5.0), Ni (12.0)	Cu (94.0), Ni (81.0)	[33]
Electrochemically assisted	80.0	Cu (15.8), Ni (17.1)	Cu (84.0), Ni (75.3)	This study

Method	Pulp density (g/L)	Increasing ratio (%)	Bioleaching ratio (%)	Reference
Microbial fuel cells assisted	100.0	Cu (24.0)	Cu (79.7)	[29]
Electrode modified with N-doped carbon nanotube	20.0	Cu (20.0)	Cu (99.0)	[30]
Metal-tolerance strain	10.0	Cu (64.0), Ni (15.0)	Cu (94.0), Ni (45.0)	[31]
Physical fragmentation	100.0	Cu (20.4), Ni (14.1)	Cu (94.3), Ni (90.7)	[32]
The addition of lemon juice	7.5	Cu (5.0), Ni (12.0)	Cu (94.0), Ni (81.0)	[33]
Electrochemically assisted	80.0	Cu (15.8), Ni (17.1)	Cu (84.0), Ni (75.3)	This study

电场强化嗜酸性氧化亚铁硫杆菌(Acidithiobacillus ferrooxidans) MA-Y1固定化细胞浸出废弃电路板的铜和镍

PDF下载

王事成 ¹ , 杨健 ¹ , 张爽 ¹ , 刘涛 ¹ , 盛亚男 ¹ , 晏磊 ¹^,²

微生物学报 | 研究报告 2025,65(5): 2157-2174

收起

微生物学报 | 研究报告 2025, 65(5): 2157-2174

电场强化嗜酸性氧化亚铁硫杆菌(Acidithiobacillus ferrooxidans) MA-Y1固定化细胞浸出废弃电路板的铜和镍

全屏

王事成¹, 杨健¹, 张爽¹, 刘涛¹, 盛亚男¹, 晏磊¹^,²

作者信息

^1.黑龙江八一农垦大学生命科学技术学院，黑龙江省寒区环境微生物与农业废弃物资源化利用重点实验室，黑龙江大庆

^2.黑龙江八一农垦大学生命科学技术学院，农业农村部东北平原农业绿色低碳重点实验室，黑龙江大庆

An electric current improves Cu and Ni leaching from waste printed circuit boards by immobilized Acidithiobacillus ferrooxidans MA-Y1

Shicheng WANG¹, Jian YANG¹, Shuang ZHANG¹, Tao LIU¹, Yanan SHENG¹, Lei YAN¹^,²

Affiliations

^1.Heilongjiang Provincial Key Laboratory of Environmental Microbiology and Recycling of Argo-waste in Cold Region, College of Life Science and Biotechnology, Heilongjiang Bayi Agricultural University, Daqing, Heilongjiang, China

^2.Key Laboratory of Low-carbon Green Agriculture in Northeastern China, Ministry of Agriculture and Rural Affairs, College of Life Science and Biotechnology, Heilongjiang Bayi Agricultural University, Daqing, Heilongjiang, China

出版时间: 2025-05-04 doi: 10.13343/j.cnki.wsxb.20240770

文章导航

摘要

收起

【目的】废弃电路板中有色金属含量约为40%，是天然矿石的40倍以上，堪称名副其实的“城市矿山”。为了实现废弃电路板的高效绿色回收，开发高效浸出电路板中有色金属的浸出体系。【方法】利用嗜酸性氧化亚铁硫杆菌(Acidithiobacillus ferrooxidans) MA-Y1构建电路板的生物浸出体系，并通过引入电场进一步强化铜和镍的浸出效率。【结果】最佳浸出工艺参数为：电路板浓度80.0 g/L，电路板粒径4.0 cm，液体流速2.0 L/min，电流70.0 mA。在此条件下，铜和镍的浸出率分别为84.0%和75.3%，与无电场生物浸出体系相比，分别提高了15.8%和17.1%。【结论】外加电场显著提升了A. ferrooxidans MA-Y1回收电路板中铜和镍的能力。

关键词

固定化 / 响应面 / 电路板 / 嗜酸性氧化亚铁硫杆菌 / 生物浸出

Abstract

收起

[Objective] Waste printed circuit boards (PCBs) contain about 40% non-ferrous metals, which is more than 40 times that of natural ores, and thus they are known as a veritable “urban mine”. To achieve efficient and green recycling of PCBs, this study developed a leaching system that can efficiently leach non-ferrous metals from PCBs. [Methods] Acidithiobacillus ferrooxidans MA-Y1 was used to construct a bioleaching system for PCBs. Additionally, an electric current was introduced to strengthen the Cu and Ni leaching from PCBs. [Results] The optimal leaching parameters were addition of PCBs at 80.0 g/L, particle size of 4.0 cm, liquid velocity of 2.0 L/min, and electric current of 70.0 mA. Under these conditions, the leaching ratios of Cu and Ni from PCBs were 84.0% and 75.3%, respectively, which represented increases of 15.8% and 17.1% compared with the case without electric current. [Conclusion] An electric current improves the ability of A. ferrooxidans MA-Y1 to recover Cu and Ni from PCBs.

Key words

immobilization / response surface / printed circuit boards / Acidithiobacillus ferrooxidans / bioleaching

引用本文

王事成, 杨健, 张爽, 刘涛, 盛亚男, 晏磊. 电场强化嗜酸性氧化亚铁硫杆菌(Acidithiobacillus ferrooxidans) MA-Y1固定化细胞浸出废弃电路板的铜和镍. 微生物学报, 2025 , 65 (5) : 2157 -2174 . DOI: 10.13343/j.cnki.wsxb.20240770

Shicheng WANG, Jian YANG, Shuang ZHANG, Tao LIU, Yanan SHENG, Lei YAN. An electric current improves Cu and Ni leaching from waste printed circuit boards by immobilized Acidithiobacillus ferrooxidans MA-Y1[J]. Acta Microbiologica Sinica, 2025 , 65 (5) : 2157 -2174 . DOI: 10.13343/j.cnki.wsxb.20240770

正文

收起

电子行业的蓬勃发展带来一个日益严峻的环境挑战：电路板(printed circuit boards, PCBs)正以每年近20%的速度被淘汰，成为全球增长最快的废弃物之一。中国作为主要的电子垃圾处理中心，处理了全球70%的废弃电路板。目前我国每年产生的废弃电路板已达约200万t^[1]。何文成等^[2]的报告显示，预计到2030年该数字将超过2 700万t，其中蕴藏着价值高达1 600亿元的可回收金属。因此，从环境保护和经济发展的双重角度出发，对废弃电路板进行回收利用已成为一项至关重要的工作^[3]。目前，电路板中金属的回收方法包括火法冶金、湿法冶金、物理处理和生物浸出。其中，火法冶金可以显著减小电路板体积，但其能耗较高^[4]。湿法冶金利用化学试剂提取金属，操作灵活但可能带来二次污染^[5]。机械物理法回收电路板主要是通过拆卸、破碎和分离等过程。尽管此方法在电路板回收中对环境的影响相对较小，但主要回收电路板中颗粒完整性较高的塑料和高分子材料，金属回收率相对较低^[6]。生物浸出法是一种利用微生物及其代谢产物的化学作用，将固体形态的金属转化为可溶性离子，从而实现金属回收的方法^[7]，实验室中常用的微生物包括嗜酸性氧化亚铁硫杆菌(Acidithiobacillus ferrooxidans)^[8]、氧化硫硫杆菌(Acidithiobacillus thiooxidans)^[9]和氧化亚铁钩端螺旋菌(Leptospirillum ferrooxidans)^[10]。与其他方法相比，生物浸出技术展现出广阔的应用前景^[11]。

近年来，为了提高生物浸出的效率，大量研究在微生物改造、介质调控以及外场强化等方面进行了探索与优化，为开发高效、环保的金属回收技术提供了重要的理论与实践支持^[12]。金属耐受性是限制生物浸出效率的瓶颈之一。董博宇^[13]通过重离子诱变，获得高电路板耐受性的A. ferrooxidans突变株，从而提高了对废弃电路板中铜和镍的浸出能力。在介质调控方面，向培养基中添加石墨烯可以延长A. ferrooxidans与废弃电路板之间的作用时间，从而提高电路板中铜的生物浸出效率^[14]。外场强化技术，如磁场和电场，为生物浸出提供了新的突破口。磁场的强化机制集中在对分子和离子运动的影响上。在稀土矿的原位浸出中，磁场改变了水溶液中离子间的物理化学特性，增强了溶剂与稀土离子的选择性交换，从而提高了稀土浸出液的纯度和浓度^[15]。电场强化通过电化学效应优化浸出条件，在铀矿生物浸出中外加电场促进了A. ferrooxidans对Fe(II)的氧化率，同时减少了副产物的产生，提升了目标微生物群落的多样性和活性^[16]。同样地，在低品位二氧化锰矿浸出中，电场通过加速Fe(II)和Fe(III)之间的循环，不仅提高了金属浸出效率，还降低了还原剂的使用量^[17]。尽管提高生物浸出效率的技术手段多样，但交叉应用的研究较少。

本研究利用A. ferrooxidans MA-Y1构建了电路板的生物浸出体系，研究电路板回收过程中参数(包括电路板浓度、粒径、溶液流速及温度)对铜和镍浸出率的影响。同时，通过引入电场，深入分析电场作用机制及其对微生物浸出行为的强化效应，为废弃电路板的高附加值绿色回收技术提供了新思路。

1 材料与方法

收起

1.1 电路板样品

本研究所用的电路板为大庆某电脑城维修店的废弃电脑电路板。浸出前先利用钢丝钳、铁锤等工具拆除电路板表面的电子元器件，然后用切割机将电路板剪切成约2.0 cm×2.0 cm、3.0 cm×3.0 cm、4.0 cm×4.0 cm大小的方块。

1.2 主要试剂和仪器

硫酸亚铁，天津市永大化学试剂有限公司；总铜、总镍检验试剂盒，杭州陆恒生物科技有限公司。

pH计，上海仪电科学仪器股份有限公司；高斯计，长沙天恒测控技术有限公司；电场发生器，东莞市迈豪电子科技有限公司；多参数水质检测仪，杭州陆恒生物科技有限公司。

1.3 菌株及培养条件

本研究所用的菌株为Acidithiobacillus ferrooxidans MA-Y1，该菌株分离自马鞍山火山灰样品，在中国典型培养物保藏中心(CCTCC)的保藏编号为M 20211183。该细菌在改良的9K液体培养基中进行纯培养，培养基由A液和B液2部分组成。A液：(NH₄)₂SO₄ 2.4 g，KCl 0.1 g，K₂HPO₄ 0.5 g，MgSO₄·7H₂O 0.5 g，Ca(NO₃)₂ 0.1 g，蒸馏水700 mL；B液：FeSO₄·7H₂O 40.0 g，蒸馏水300 mL。A液和B液均用H₂SO₄调节 pH至2.0。A液在121 ℃灭菌15 min，B液通过0.22 μm滤膜过滤除菌后与A液混合，以防止Fe(II)氧化。

1.4 初始电路板中铜和镍含量的测定

称取0.1 g电路板样品，置于10 mL王水(浓盐酸与浓硝酸按体积比3:1混合)中，混匀后置于80 ℃水浴锅中反应4 h。待其冷却后，测定反应液中铜和镍的含量。

1.5 火山石固定化 A.ferrooxidans MA-Y1

采用实验室前期建立的磁场强化火山石固定化工艺对A. ferrooxidans MA-Y1进行固定^[18]。具体步骤如下：称取粒径为0.75 cm的火山石约10 g，依次在1 mol/L的NaCl、H₂SO₄、HCl和NaOH溶液中浸泡2 h。每次更换溶液前需用蒸馏水清洗3次并在105 ℃烘箱中烘干。处理后的火山石用作固定化载体，加入到固定化装置中。固定化装置(图1A)内柱中含有720 mL的9K培养基和80 mL处于对数生长期的A. ferrooxidans MA-Y1。打开一侧阀门，通入无菌空气，通气量为0.5 L/min。外柱通过恒温水浴锅控制温度为30 ℃，并在装置两侧施加20.0 mT的磁场。当培养基中Fe(II)的氧化率超过90.0%时，固定化过程结束。

1.6 不同因素对 A. ferrooxidansMA-Y1浸出电路板中铜和镍的影响

火山石固定化完成后，使用9K培养基缓慢清洗火山石表面。随后，将清洗后的火山石转移至新的固定化装置中，继续培养至Fe(II)氧化率超过90.0%，以用作生物反应器。培养结束后，将生物反应器与化学反应器连接，形成生化两级反应器(图1B)，通过蠕动泵实现双柱之间的液体交换。化学反应器中含有等体积的9K培养基和电路板。

以铜和镍的浸出率为指标，探究电路板浓度、电路板粒径、反应器液体交换流速及反应器运行温度对浸出效果的影响。在反应结束后检测浸出液中铜和镍的浓度，并依据公式(1)和(2)计算金属浸出率和浸出速率。通过显著性分析，筛选出对铜和镍浸出率影响最显著的3个因素。

L e a c h i n g r a t i o (%) = C t C 0 × 100

(1)

L e a c h i n g r a t e (m g / (L · d)) = C t L e a c h i n g t i m e

(2)

式中：C₀为初始浸出液中总铜(镍)的浓度(mg/L)，C_t为反应结束后浸出液中总铜(镍)的浓度(mg/L)。

1.7 A.ferrooxidans MA-Y1浸出电路板中铜和镍的响应面优化

根据单因素试验结果，使用Design-Expert 13.0软件中的Box-Behnken程序进行响应面设计。以电路板浸出过程中影响最显著的3个因素作为自变量，金属浸出率作为响应值，进一步优化金属的浸出条件。响应面因素与编码见表1。

1.8 电流强度对铜和镍浸出的影响

在响应面优化得到的浸出条件下，在化学反应器中放置2个石墨电极，正、负电极分别位于反应器的上部和下部。通过电场发生器产生不同电流强度(0.0-150.0 mA)以刺激生物浸出。待反应结束后，记录浸出液中铜和镍的含量。

1.9 浸出过程中电路板表征观测

取经过0、3、5、7和9 d浸出的电路板，通过X射线光电子能谱(X-ray photo-electron spectroscopy, XPS)、傅里叶变换红外光谱(Fourier transform infrared spectroscopy, FTIR)、能量色散X射线谱(X-ray energy dispersive spectrometry, EDS)和扫描电子显微镜(scanning electron microscope, SEM)观察电路板的特性。

1.10 总铜和总镍的测定方法

使用总铜和总镍检验试剂盒^[13]，按照说明书所述方法对浸出液中铜和镍的含量进行测定。

1.11 数据处理

数据的显著性分析通过SPSS 19.0完成，P<0.05为显著，P<0.01为极显著。响应面设计及分析通过Design-Expert 13.0完成。其余实验数据及图表制作通过Origin 8.0完成。

2 结果与分析

收起

2.1 单因素对 A. ferrooxidans MA-Y1浸出电路板中金属浸出的影响

如图2所示，铜和镍的浸出率随电路板浓度和液体流速的增加呈现先增大后减小的趋势，而随电路板粒径的增大而增大，当电路板粒径从2.0 cm增大到4.0 cm，铜的浸出率从57.5%增大到66.4%，镍的浸出率从45.9%增大到52.1%。在浸出温度固定为30.0 ℃时，当电路板浓度、粒径和液体流速分别为80.0 g/L、4.0 cm和2.4 L/min时，金属浸出率达到最高，铜的浸出率分别为68.3%、66.4%和68.8%，镍的浸出率分别为52.3%、52.1%和54.9%。在25.0-35.0 ℃的范围内，铜和镍的浸出率变化不显著。

如图3所示，在铜和镍的浸出速率中也发现了类似的趋势。随着电路板粒径的增加，铜和镍的浸出速率显著增加，当电路板粒径从2.0 cm增大到4.0 cm，铜浸出速率从8.4 mg/(L·d)增大到12.3 mg/(L·d)，镍浸出速率从30.0 mg/(L·d)增加到37.6 mg/(L·d)。在电路板浓度和液体流速的变化过程中，铜和镍的浸出速率先急剧增加，随后又下降。铜和镍的最大浸出速率分别为16.7 mg/(L·d)和43.3 mg/(L·d)。因此，选择电路板浓度、电路板粒径和液体流速作为自变量进行响应面优化。

2.2 电路板金属浸出响应面分析

基于响应面Box-Behnken设计，铜和镍的响应面实验结果见表2。分别对铜浸出率和镍的浸出率进行回归分析，评价电路板浓度(A)、电路板粒径(B)和液体流速(C)对浸出性能的影响。所得到的二次方程分别为Y (铜浸出率)=0.551 8+0.227 3×A-0.008 6×B-0.024 2×C+0.030 7×AB+0.026 9×AC+0.003 8×BC-0.113 8×A²-0.000 0×B²-0.034 9×C²和Y (镍浸出率)=0.498 4+0.085 0×A+0.007 1×B-0.005 8×C+0.021 1×AB+0.006 8×AC+0.003 3×BC-0.047 8×A²+0.016 0×B²-0.012 0×C²。铜浸出模型的R²_adj和R²分别为0.813 1和0.645 0，镍浸出模型的R²_adj和R²分别为0.959 0和0.922 1，表明模型对实际生产具有较好的指导意义。

表3和表4分别为铜和镍浸出率的方差分析结果。由表3和表4可知，铜和镍的回归模型均具有显著性。电路板浓度(A)和电路板浓度的二次项(A²)是铜浸出模型的显著项。电路板浓度(A)、电路板浓度与粒径的交互项(AB)以及电路板浓度的二次项(A²)、电路板粒径的二次项(B²)和液体流速的二次项(C²)是镍浸出模型的显著项。

图4和图5展示了当任意一个因素保持不变时，其他2个因素的相互作用对铜和镍浸出率的影响。在液体流速固定时，随着电路板浓度和粒径的增加，铜的浸出率从49.2%升至56.9%，然后再下降至54.2% (图4A、4B)；镍的浸出率也表现出先上升后下降的趋势，从50.5%升至58.4%再降至48.6% (图5A、5B)。分析电路板浓度和液体流速相互作用对铜(图4C、4D)和镍(图5C、5D)浸出的影响显示，随着电路板浓度和液体流速的增加，铜的浸出率先升后降，从51.9%增至68.8%再降至54.2%；镍的浸出率从49.5%升至53.4%再降至46.9%。当电路板浓度一定时，电路板粒径和液体流速相互作用对铜(图4E、4F)和镍(图5E、5F)浸出效应的影响较小，浸出率均在50.4%左右。通过Design-Expert 13.0分析计算得出A. ferrooxidans MA-Y1浸出电路板中铜和镍的最优条件为：电路板浓度80.0 g/L，粒径4.0 cm，流速2.0 L/min。在此条件下，预计铜和镍的浸出率分别为68.5%和58.1%。验证实验表明，优化浸出条件下铜和镍的浸出率分别为68.2%和58.2%，与模型预测值无显著差异，可支持进一步研究。

2.3 电流强度对 A. ferrooxidans MA-Y1浸出电路板中铜和镍的影响

电流强度对浸出性能的影响如图6所示。随着电流从0.0 mA增大到150.0 mA，铜的浸出率和浸出速率先增加后降低。在70.0 mA时，铜的浸出率和浸出速率达到最大，分别为84.0%和17.8 mg/(L·d)。在30.0-150.0 mA的电流范围内，镍浸出也出现出类似的现象。在电流为0.0 mA和30.0 mA时，镍浸出效率无显著性差异。然而，在110.0 mA时，镍最大浸出率和浸出速率达到最大，分别为85.2%和79.6 mg/(L·d)。在确定最适电流强度时，本研究综合分析了铜和镍的浸出情况。结果表明，在70.0 mA电流时，铜和镍的浸出率均较高，分别为84.0%和75.3%。因此，70.0 mA被选为最佳电流强度。

2.4 电路板在浸出过程中的表征

图7展示了第0、3、5、7和9天电路板浸出后的红外光谱。在3 309、3 329和3 438 cm^-1处的吸收峰为N-H弯曲振动峰；3 290 cm^-1和1 720 cm^-1处为C=O伸缩振动峰。此外，还在2 800-3 000 cm^-1波段内检测到C-H伸缩振动峰。1 400 cm^-1左右的变化通常与C-H弯曲振动、O-H弯曲振动或C-O伸缩振动有关。1 593 cm^-1为氨基特征峰，1 085、1 086和1 062 cm^-1处的波数对应于石英，890 cm^-1的峰通常与苯环的变形振动有关，而600-800 cm^-1范围内的变化则为C-H或C-Cl伸缩振动的特征。

SEM-EDS结果如图8所示，电路板残渣中含有铜、铁、镍、铬、锌和硅等元素，且在不同时期表现出显著的形态差异。经EDS定量分析显示，残渣中铜和镍的含量分别为25.3%和1.2%。SEM结果表明，第0天电路板表面紧密且平整光滑；第3天开始出现微小孔缝；第5天表面变得粗糙并出现不规则的小洞；浸出7 d后，表面出现大量坑洼和晶体颗粒；第9天则聚集了大量不规则的晶体。

通过XPS谱图分析了电路板残渣表面的化学组成。如图9A所示，在第0、3、5、7和9天，Cu 2p谱图的峰分别出现在933、933、935、935和934 eV处。如图9B所示，Ni 2p谱图的峰位于850-880 eV之间。这些特征峰的位置表明电路板残渣表面存在铜和镍。

3 讨论与结论

收起

单因素实验结果显示(图2)，铜和镍的浸出率和浸出速率主要受电路板浓度、电路板粒径和液体流速的影响。电路板粒径越小，铜和镍的浸出率和浸出速率越低。这是因为当电路板粒径减小时，颗粒之间的碰撞增加，这种碰撞对细菌细胞造成物理磨损，导致细胞膜破损和内部结构损伤，抑制了细菌的生长和活性^[19]，进而降低了金属的浸出效率。电路板的浓度是金属生物浸出的关键因素，当电路板浓度过高时，浸出液中含有过量的有毒金属，而溶液中金属离子的毒性会限制细菌生长和活性^[20]，从而抑制金属浸出效率。在生物浸出过程中，铜和镍的浸出率和浸出速率随液体流速的变化呈先上升后下降的趋势，这是由于液体高速流动导致Fe(III)在反应器中的停留时间不足，降低了电路板中金属的浸出效率^[21]。温度对铜和镍的浸出率和浸出速率无显著影响，这与Sethurajan等^[22]早期的研究结果一致。Chen等^[23]报道，Acidithiobacillus在15.0-50.0 ℃的温度范围内具有较高的Fe(II)氧化活性。因此，在25.0-35.0 ℃的范围内，A. ferrooxidans MA-Y1具有较高的生长和代谢活性，温度对金属浸出率无显著影响。

通过对响应面数据(表2)的分析，直观展示了变量之间相互作用的影响，结果见回归模型方差分析表3和表4，以及模型等高线图和三维图(图4和图5)。铜浸出率模型的F值和P值分别为4.84和0.010 8，镍浸出率模型的F值为25.99，P值<0.000 1，铜浸出模型的R²_adj和R²分别为0.813 1和0.645 0，表明实际值与预测值之间具有高度相关性。镍浸出模型的R²_adj和R²分别为0.959 0和0.922 1，表明模型具有统计学意义。通过最优条件下的验证实验，证实了预测模型的准确性。铜和镍的浸出率分别为68.2%和58.2%，与模型预测的铜浸出率(68.5%)和镍浸出率(58.1%)无显著差异。综上所述，响应面设计是评估回收铜和镍最佳条件的有效方法。

在确定最佳生物浸出工艺条件后，本研究探讨了电场对铜和镍浸出效率的影响。在电流为70.0 mA时，铜的浸出率达到最高值；而在电流为110.0 mA时，镍的浸出率达到峰值。此外，与无电场条件相比，在70.0 mA电流时，铜和镍的生物浸出效率显著提高。这主要归因于电场能够加速铜和镍在阴极表面的沉积过程。该现象可通过电流作用下在正极[反应式(1)和反应式(2)]和负极[反应式(3)和反应式(4)]处发生的电催化反应进行解释。这些反应通过增强电子转移效率，显著促进了整体生物浸出过程[反应式(5)-反应式(7)]。

正极：

2 H 2 O + 2 e - → H 2 + 2 O H -

(1)

F e 3 + + e - → F e 2 +

(2)

负极：

2 H 2 O → O 2 + 4 H + + 4 e -

(3)

F e 2 + → F e 3 + + e -

(4)

生物反应：

4 F e 2 + + O 2 + 4 H + → A . f e r r o o x i d a n s M A - Y 1 4 F e 3 + + 2 H 2 O

(5)

C u 0 + 2 F e 3 + → C u 2 + + 2 F e 2 +

(6)

N i 0 + 2 F e 3 + → N i 2 + + 2 F e 2 +

(7)

A. ferrooxidans MA-Y1可以通过生物催化[反应式(5)]将Fe(II)氧化为Fe(III)，或者利用正极[反应式(2)]还原反应产生的Fe(II)作为生长所需的能量。此外，A. ferrooxidans MA-Y1还能直接利用负极氧化反应产生的Fe(III)，将铜和镍转化为Cu²⁺和Ni^2+[24]。与未添加电场相比，外加电场有助于促进A. ferrooxidans MA-Y1的生长代谢活性，加快Fe(II)氧化为Fe(III)的速率，同时加速铜和镍等可回收金属在正极上的电沉积^[25]，从而提高了金属的回收率。在70.0 mA电流时，铜的最大浸出率为84.0%。同时，镍的浸出率从58.2%增加到75.3%。这一现象可能不仅与电场的作用有关，还与固定化过程中引入的磁场密切相关。研究表明，磁场可以提高重金属(如砷和铜)的浸出率^[26]，固定化酶活性(如葡萄糖氧化酶、尿素酶和水解酶)^[27]以及对特定污染物的吸附能力^[28]。

本研究中，铜浸出率提升了15.8%，与其他研究方案^[29-33]相比(表5)处于较低水平，但高于添加柠檬酸和氮掺杂碳纳米管改性电极的方法。镍浸出率提升了17.1%，在所有方法中表现最为出色。这是由于镍品位较低，需要更强的驱动力才能有效浸出镍。电场可以改变矿物表面的电荷分布和结构，促进镍离子的扩散，从而大幅提高浸出效率^[34]。虽然电场对铜浸出率的提升较低，但本研究与其他方法^[29-33]无冲突，未来可结合多种技术进一步提升浸出率。

通过对生物浸出前后的电路板残渣进行FTIR、SEM-EDS和XPS分析，结果如图7-9所示。FTIR是研究分子结构和官能团的有力工具^[35]。图7展示了第0、3、5、7和9天电路板残渣的FTIR光谱。结果显示，不溶性的塑料、陶瓷和环氧树脂等物质未出现特征峰。与未浸出的电路板相比，浸出第3天和第7天在1 720 cm^-1处出现了C=O拉伸振动峰^[36]，这可能是微生物代谢产生有机酸造成的。7 d后在3 309、3 329和3 438 cm^-1处出现了N-H弯曲振动峰^[37]，表明电路板中的有机物被部分降解，产生了更多的氨基。第3、5、7和9天，石英的特征峰分别位于1 063、1 086、988和1 062 cm^-1[38]，这可能是由于微生物在浸出过程中溶解并释放了电路板中的金属。这些金属离子与石英表面发生配位作用或被吸附在石英表面，从而改变Si-O-Si键的振动模式，进而影响峰的位置^[39]。

通过SEM-EDS对电路板残渣进行了深入分析。如图8所示，电路板残渣形态多样，且含有铜、铁、镍、铬、锌和硅等元素。SEM结果显示，浸出前电路板表面平整光滑；浸出后残渣表面逐渐变得粗糙，并观察到不规则形状的晶体颗粒，表明电路板外部被破坏且有金属离子覆盖。EDS定量分析表明，电路板残渣中铜和镍的含量分别为25.3%和1.2%，其余元素为铁、铬、锌和硅，这可能与电路板复杂的组成有关。Wang等^[40]通过SEM-EDS发现电路板残渣呈现树突状且含有铜、钛、锡、铬和镉等成分。此外，利用Hymeniacidon heliophila从电子垃圾中回收金属的研究中，分别对细菌和沉淀进行SEM-EDS分析发现，细菌表面的铁含量为16.1%，沉淀中铜的含量为48.9%^[41]。

XPS是分析样品表面成分不可或缺的技术^[42]。图9展示了生物浸出前后电路板残渣表面Cu 2p和Ni 2p的XPS高分辨图谱。已知结合能在928-937 eV和938-946 eV处的峰分别对应Cu 2p_3/2和Cu 2p_{3/2, sat}^[43-44]。因此，在第0、3、5、7和9天的测量中，出现在933、934、935、943和934 eV处的峰是Cu 2p_3/2峰和Cu 2p_{3/2, sat}峰。众所周知，Cu存在多种氧化态，Cu 2p_3/2的卫星峰是区分Cu²⁺和Cu⁺的关键。如果在939-944 eV处观察到Cu 2p_3/2的卫星峰，则表明存在Cu²⁺，反之则表示存在Cu⁺或Cu^0[43]。在本研究中，前5天Cu 2p谱图中Cu 2p_3/2峰的结合能主要出现在933 eV处，暗示浸出液内可能存在Cu⁺或Cu⁰。经过7 d的浸出后，电路板残渣中出现Cu 2p_{3/2, sat}峰，表明浸出后存在Cu²⁺，结合Cu 2p_3/2峰的位置推测可能是CuSO₄，因为浸出液中的Cu²⁺容易与9K培养基中SO₄^2-结合^[31]。这些结果与Yi等^[45]的研究一致，他们指出在Cu 2p谱图中，934 eV和936 eV处的Cu 2p_3/2峰分别是CuSO₄和CuCl₂的特征峰。Zhang等^[46]的报告显示，结合能位于848-853、853-855和872-880 eV的峰，分别对应Ni 2p_3/2、Ni 2p_{3/2, sat}和Ni 2p_1/2的特征峰。Nesbitt等^[47]研究表明，氧化镍化合物如NiO、Ni(OH)₂和NiSO₄的Ni 2p_3/2特征峰分别出现在854、856和857 eV左右，并具有更强的Ni 2p_{3/2, sat}峰。本研究中，Ni 2p谱图(图9B)显示，第5天Ni 2p_{3/2, sat}峰增强，并伴随Ni 2p_3/2峰的偏移，暗示电路板残渣表面存在Ni²⁺。根据Ni 2p_3/2峰的位置推测，电路板残渣表面的镍可能是生物浸出后产生的NiSO₄。综上所述，通过电路板残渣的特性分析，进一步证实了电路板中铜和镍的回收。这是由于电场提供了额外的驱动力，加速了金属离子从电路板向溶液中的释放^[48]。该方法提高了微生物的浸出效率，相较于传统化学浸出，减少了有毒试剂的使用，降低了环境污染。同时通过调控电流大小可以实现对不同金属的选择性浸出(如图6所示，铜和镍的最适浸出电流不同)，未来可以开发电场与其他微生物的协同作用机制，实现其他金属的回收。

本研究发现，外加电场可以显著强化生物浸出。在70.0 mA的电流时，铜和镍的浸出率分别为84.0%和75.3%，较未加电场分别提升了15.8%和17.1%。通过FTIR、SEM-EDS和XPS分析监测了浸出过程中电路板的形态、结构和组成的变化，结果表明电路板表面崩解并附着铜盐和镍盐。综上所述，外加电场显著提升了A. ferrooxidans MA-Y1回收电路板中的铜和镍的能力，为生物浸出在工业生产中的应用提供了新的技术支持。

基金

收起

黑龙江省自然科学基金(LH2024C074)
黑龙江省省属本科高校优秀青年教师基础研究支持计划(YQJH2024163)
黑龙江八一农垦大学自然科学人才支持计划(RCPY202320)
黑龙江八一农垦大学自然科学人才支持计划(RCPY202321)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

李国. 电子废弃物: 一座尚待开采的“金矿”[J]. 资源再生, 2020(7): 28-29.

. Electronic waste: a “gold mine” yet to be mined[J]. Resource Recycling, 2020(7): 28-29 (in Chinese).

[2]

何文成, 汪金良. 高效回收电子废弃物中有价金属的技术现状[J]. 世界有色金属, 2022(6): 229-231.

, WANG

. Technical status of efficient recovery of valuable metals from e-waste[J]. World Nonferrous Metals, 2022(6): 229-231 (in Chinese).

[3]

NIU

, SHANSHAN

, XU

, GUO

. How to efficient and high-value recycling of electronic components mounted on waste printed circuit boards: recent progress, challenge, and future perspectives[J]. Journal of Cleaner Production, 2023, 415: 137815.

[4]

FARAJI

, GOLMOHAMMADZADEH

, PICKLES

. Potential and current practices of recycling waste printed circuit boards: a review of the recent progress in pyrometallurgy[J]. Journal of Environmental Management, 2022, 316: 115242.

[5]

DUTRIZAC

, JAMBOR

. Jarosites and their application in hydrometallurgy[J]. Reviews in Mineralogy and Geochemistry, 2000, 40(1): 405-452.

[6]

GUO

, GUO

, XU

. Recycling of non-metallic fractions from waste printed circuit boards: a review[J]. Journal of Cleaner Production, 2009, 168(2-3): 567-590.

[7]

TEZYAPAR KARA

, KREMSER

, WAGLAND

, COULON

. Bioleaching metal-bearing wastes and by-products for resource recovery: a review[J]. Environmental Chemistry Letters, 2023, 21(6): 3329-3350.

[8]

, WANG

, CHEN

. Bioleaching of Al from coarse-grained waste printed circuit boards in a stirred tank reactor[J]. Procedia Environmental Sciences, 2016, 31: 897-902.

[9]

POTYSZ

, LENS

PNL

, van de VOSSENBERG

, RENE

, GRYBOS

, GUIBAUD

, KIERCZAK

, van HULLEBUSCH

. Comparison of Cu, Zn and Fe bioleaching from Cu-metallurgical slags in the presence of Pseudomonas fluorescens and Acidithiobacillus thiooxidans [J]. Applied Geochemistry, 2016, 68: 39-52.

[10]

XIN

, GUO

, CHEN

, WANG

, WU

, XIN

. Bioleaching of valuable metals Li, Co, Ni and Mn from spent electric vehicle Li-ion batteries for the purpose of recovery[J]. Journal of Cleaner Production, 2016, 116: 249-258.

[11]

SHEN

, ZHOU

, QIU

, ZHAO

. A review of bioleaching combined with low-cost fermentation and metabolic engineering technology to leach rare earth elements[J]. Journal of Environmental Chemical Engineering, 2024, 12(2): 112117.

[12]

ZHANG

, SHI

, TAN

, ZHU

, TAN

, DARAMOLA

, GU

. Advances in bioleaching of waste lithium batteries under metal ion stress[J]. Bioresources and Bioprocessing, 2023, 10(1): 19.

[13]

董博宇. 嗜酸性氧化亚铁硫杆菌突变株浸出电路板中铜镍及同步产电固碳性能[D]. 大庆: 黑龙江八一农垦大学硕士学位论文, 2024.

DONG

. Bioleaching of copper and nickel from printed circuit boards by a mutant of Acidithiobacillus ferrooxidans simultaneously generating power and fixing carbon[D]. Daqing: Master’s Thesis of Heilongjiang Bayi Agricultural University, 2024 (in Chinese).

[14]

, BAI

, DONG

, ZHUANG

, ZHAO

, ZHANG

, WANG

, SHIH

. Catalytic effect of graphene in bioleaching copper from waste printed circuit boards by Acidithiobacillus ferrooxidans [J]. Hydrometallurgy, 2017, 171: 172-178.

[15]

ZHOU

, YANG

, KANG

, WANG

, YU

, WAN

. Enhancing leaching efficiency of ion adsorption rare earths by ameliorating mass transfer effect of rare earth ions by applying an electric field[J]. Journal of Rare Earths, 2024, 42(1): 172-180.

[16]

LIU

, WANG

, LONG

, WAN

, GAO

, CHEN

, LIU

, SUN

. Enhanced bioleaching of granite-type uranium ore using an applied electric field[J]. Journal of Cleaner Production, 2023, 415: 137811.

[17]

ZHANG

, LIU

, WU

, DU

, TAO

. Electric field enhancement in leaching of manganese from low-grade manganese dioxide ore: kinetics and mechanism study[J]. Journal of Electroanalytical Chemistry, 2017, 788: 165-174.

[18]

纪新月, 杨健, 左成云, 刘涛, 张爽, 晏磊. 铜镍高耐受嗜酸性铁氧化菌的分离、火山石固定化及其磁场强化[J]. 微生物学通报, 2025. DOI: 10.13344/j.microbiol.china.241039 .

, YANG

, ZUO

, LIU

, ZHANG

, YAN

. Copper- and nickel-tolerant acidophilic iron-oxidizing bacterium: isolation, immobilization onvolcanic rocks, and enhancement by a magnetic field[J/OL]. Microbiology China, 2025. DOI: 10.13344/j.microbiol.china.241039 (in Chinese).

[19]

YANG

, ZHU

, SHEN

, ZHANG

, WU

. Bioleaching of copper from metal concentrates of waste printed circuit boards by a newly isolated Acidithiobacillus ferrooxidans strain Z1[J]. Journal of Material Cycles and Waste Management, 2017, 19(1): 247-255.

[20]

PRIYA

, HAIT

. Biometallurgical recovery of metals from waste printed circuit boards using pure and mixed strains of Acidithiobacillus ferrooxidans and Acidiphilium acidophilum [J]. Process Safety and Environmental Protection, 2020, 143: 262-272.

[21]

ZHANG

, CAI

, WANG

, BAI

, ZHOU

, WU

, MAO

. Recovery of copper from bio-leaching solutions of waste printed circuit boards waste by ion exchange[C]//2010 International Conference on Digital Manufacturing & Automation. Changcha: IEEE, 2010: 138-140.

[22]

SETHURAJAN

, van HULLEBUSCH

. Leaching and selective recovery of Cu from printed circuit boards[J]. Metals, 2019, 9(10): 1034.

[23]

CHEN

, YAN

, YUE

, LI

. Optimal parameters for bioleaching of realgar using Acidithiobacillus ferrooxidansunder different growth conditions and mathematical analysis[J]. Biocatalysis and Biotransformation, 2013, 31(1): 33-41.

[24]

Xiang

, Wu

, Zhu

, Zhang

, Liu

, Wu

, Li

. Bioleaching of copper from waste printed circuit boards by bacterial consortium enriched from acid mine drainage[J]. Journal of Hazardous Materials, 2010, 184(1/2/3): 812-818.

[25]

WEI

, LIU

, HUANG

, LEI

. Simultaneously enhanced Cu bioleaching from E-wastes and recovered Cu ions by direct current electric field in a bioelectrical reactor[J]. Bioresource Technology, 2020, 298: 122566.

[26]

GAO

, JIANG

, MAO

, YAO

, JIANG

. Progress, challenges, and perspectives of bioleaching for recovering heavy metals from mine tailings[J]. Adsorption Science & Technology, 2021, 2021: 9941979.

[27]

AL-QODAH

, AL-SHANNAG

, AL-BUSOUL

, PENCHEV

, ORFALI

. Immobilized enzymes bioreactors utilizing a magnetic field: a review[J]. Biochemical Engineering Journal, 2017, 121: 94-106.

[28]

REN

, ZHU

, QIU

, YU

, MA

, ZHAO

. Magnetic field assisted adsorption of pollutants from an aqueous solution: a review[J]. Journal of Hazardous Materials, 2021, 408: 124846.

[29]

HUANG

, LIU

, ZHANG

. Microbial fuel cells coupled with the bioleaching technique that enhances the recovery of Cu from the secondary mine tailings in the bio-electrochemical system[J]. Environmental Progress & Sustainable Energy, 2019, 38(5): 13181.

[30]

, BAI

, DONG

, ZHUANG

, ZHAO

, ZHANG

, WANG

, SHIH

. Enhanced bioleaching efficiency of copper from waste printed circuit board driven by nitrogen-doped carbon nanotubes modified electrode[J]. Chemical Engineering Journal, 2017, 324: 122-129.

[31]

BAHALOO-HOREH

, MOUSAVI

, BANIASADI

. Use of adapted metal tolerant Aspergillus niger to enhance bioleaching efficiency of valuable metals from spent lithium-ion mobile phone batteries[J]. Journal of Cleaner Production, 2018, 197: 1546-1557.

[32]

, BAI

, LU

, ZHUANG

, ZHAO

, YUAN

, ZHANG

, WANG

. Improved bioleaching efficiency of metals from waste printed circuit boards by mechanical activation[J]. Waste Management, 2019, 98: 21-28.

[33]

PRIYA

, HAIT

. Extraction of metals from high grade waste printed circuit board by conventional and hybrid bioleaching using Acidithiobacillus ferrooxidans [J]. Hydrometallurgy, 2018, 177: 132-139.

[34]

MUBULA

, YU

, YANG

, LIN

, GUO

, QIU

. Recovery of valuable elements from solid waste with the aid of external electric field: a review[J]. Journal of Environmental Chemical Engineering, 2023, 11(6): 111237.

[35]

ISAH

, RASHID

, LEE

, KIMAN

, IYODO

. Correlations of coal rank with the derived Fourier transform infra-red (FTIR) spectroscopy structural parameters: a review[J]. Infrared Physics & Technology, 2024, 141: 105456.

[36]

BASHIR

, IDRISS

. The reaction of propylene to propylene-oxide on CeO₂: an FTIR spectroscopy and temperature programmed desorption study[J]. The Journal of Chemical Physics, 2020, 152(4): 044712.

[37]

YUAN

, HUANG

, RUAN

, LI

, HU

, QIU

. Contact behavior between cells and particles in bioleaching of precious metals from waste printed circuit boards[J]. ACS Sustainable Chemistry & Engineering, 2018, 6(9): 11570-11577.

[38]

ARSHADI

, YAGHMAEI

, MOUSAVI

. Optimal electronic waste combination for maximal recovery of Cu-Ni-Fe by Acidithiobacillus ferrooxidans [J]. Journal of Cleaner Production, 2019, 240: 118077.

[39]

刘荣祥, 李解, 苏文柔, 张雪峰, 李佳伟, 孟留洋. 红外光谱、 XPS分析比较Ca²⁺, Fe³⁺对石英的活化机理[J]. 光谱学与光谱分析, 2020, 40(6): 1876-1882.

LIU

, LI

, SU

, ZHANG

, LI

, MENG

. FTIR and XPS analysis comparing the activation mechanism of Ca²⁺ and Fe³⁺ on quartz[J]. Spectroscopy and Spectral Analysis, 2020, 40(6): 1876-1882 (in Chinese).

[40]

WANG

, HUANG

, YANG

, ZENG

, CHEN

, SHU

, SUN

, XIAO

. A semi-scaled experiment for metals separating and recovering from waste printed circuit boards by slurry electrolysis[J]. Process Safety and Environmental Protection, 2021, 147: 37-44.

[41]

ROZAS

, MENDES

, NASCIMENTO

CAO

, ESPINOSA

DCR

, OLIVEIRA

, CUSTODIO

. Bioleaching of electronic waste using bacteria isolated from the marine sponge Hymeniacidon heliophila (Porifera)[J]. Journal of Hazardous Materials, 2017, 329: 120-130.

[42]

, CHEN

, ZHOU

, SHI

, XU

, MIAO

, XI

, HAN

. XPS depth profiling of functional materials: applications of ion beam etching techniques[J]. Materials Chemistry Frontiers, 2024, 8(3): 715-731.

[43]

ZHAO

, HUANG

, HU

, ZHANG

, WANG

, QIN

, QIU

. Insights into the surface transformation and electrochemical dissolution process of bornite in bioleaching[J]. Minerals, 2018, 8(4): 173.

[44]

LIU

, BAI

, GU

, PENG

, WANG

, LI

. Leaching of copper from waste printed circuit boards using Phanerochaete chrysosporium fungi[J]. Hydrometallurgy, 2020, 196: 105427.

[45]

, XIAO

, DONG

, DING

, LIU

, LI

. Field studies of corrosion behaviour of printed circuit board and hot air solder levelling during the marine environment of industrial pollution[J]. International Journal of Electrochemical Science, 2015, 10(9): 7754-7770.

[46]

ZHANG

, SHU

, WANG

, JIA

. Preparation of goethite/nickel foam catalyst and its application in xylene degradation[J]. Journal of Cleaner Production, 2022, 364: 132587.

[47]

NESBITT

, LEGRAND

, BANCROFT

. Interpretation of Ni 2p XPS spectra of Ni conductors and Ni insulators[J]. Physics and Chemistry of Minerals, 2000, 27(5): 357-366.

[48]

刘泓伟. 外加电场强化铀矿生物浸出工艺研究[D]. 抚州: 东华理工大学硕士学位论文, 2023.

LIU

. Study on enhanced bioleaching process of uranium ore with external electric field[D]. Fuzhou: Master’s Thesis of East China University of Technology, 2023 (in Chinese).

2025年第65卷第5期

PDF下载

116

引用本文

BibTeX

文章信息

doi: 10.13343/j.cnki.wsxb.20240770

接收时间：2024-12-02
首发时间：2026-02-05
出版时间：2025-05-04

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2024-12-02
录用日期：2025-01-27

基金

Natural Science Foundation of Heilongjiang Province(LH2024C074)

黑龙江省自然科学基金(LH2024C074)

Program for Young Talents of Basic Research in Universities of Heilongjiang Province(YQJH2024163)

黑龙江省省属本科高校优秀青年教师基础研究支持计划(YQJH2024163)

Natural Science Talents Program of Heilongjiang Bayi Agricultural University(RCPY202320)

黑龙江八一农垦大学自然科学人才支持计划(RCPY202320)

Natural Science Talents Program of Heilongjiang Bayi Agricultural University(RCPY202321)

黑龙江八一农垦大学自然科学人才支持计划(RCPY202321)

作者信息

^1.黑龙江八一农垦大学生命科学技术学院，黑龙江省寒区环境微生物与农业废弃物资源化利用重点实验室，黑龙江大庆

^2.黑龙江八一农垦大学生命科学技术学院，农业农村部东北平原农业绿色低碳重点实验室，黑龙江大庆

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/wswxb/CN/10.13343/j.cnki.wsxb.20240770

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

Code	Factors	Levels
A	c(PCBs)/(g/L)	60.0	80.0	100.0
B	Particle size (cm)	2.0	3.0	4.0
C	Liquid velocity (L/min)	1.2	2.4	3.6

Code

Factors

Levels

-1

c(PCBs)/(g/L)

60.0

80.0

100.0

Particle size (cm)

2.0

3.0

4.0

Liquid velocity (L/min)

1.2

2.4

3.6

Run	c(PCBs)/(g/L)	Particle size (cm)	Liquid velocity (L/min)	Cu bioleaching ratio (%)	Ni bioleaching ratio (%)
1	60.0	2.0	3.6	53.9	48.8
2	60.0	3.0	2.4	51.9	49.5
3	60.0	3.0	2.4	51.9	49.5
4	60.0	3.0	1.2	59.3	51.1
5	80.0	2.0	2.4	55.8	50.5
6	60.0	2.0	2.4	67.3	51.3
7	80.0	2.0	3.6	56.9	51.7
8	80.0	4.0	1.2	50.5	51.7
9	100.0	2.0	2.4	47.2	44.7
10	100.0	3.0	3.6	54.2	46.9
11	100.0	3.0	1.2	66.6	51.8
12	80.0	4.0	2.4	68.9	58.4
13	80.0	2.0	1.2	54.9	50.5
14	60.0	3.0	3.6	54.2	46.9
15	100.0	4.0	1.2	55.5	50.7
16	60.0	3.0	1.2	54.3	50.4
17	60.0	4.0	3.6	49.2	50.7
18	60.0	3.0	1.2	63.2	53.4
19	80.0	3.0	2.4	61.6	48.6
20	100.0	4.0	2.4	68.8	58.4

Run

c(PCBs)/(g/L)

Particle size (cm)

Liquid velocity (L/min)

Cu bioleaching ratio (%)

Ni bioleaching ratio (%)

60.0

2.0

3.6

53.9

48.8

60.0

3.0

2.4

51.9

49.5

60.0

3.0

2.4

51.9

49.5

60.0

3.0

1.2

59.3

51.1

80.0

2.0

2.4

55.8

50.5

60.0

2.0

2.4

67.3

51.3

80.0

2.0

3.6

56.9

51.7

80.0

4.0

1.2

50.5

51.7

100.0

2.0

2.4

47.2

44.7

100.0

3.0

3.6

54.2

46.9

100.0

3.0

1.2

66.6

51.8

80.0

4.0

2.4

68.9

58.4

80.0

2.0

1.2

54.9

50.5

60.0

3.0

3.6

54.2

46.9

100.0

4.0

1.2

55.5

50.7

60.0

3.0

1.2

54.3

50.4

60.0

4.0

3.6

49.2

50.7

60.0

3.0

1.2

63.2

53.4

80.0

3.0

2.4

61.6

48.6

100.0

4.0

2.4

68.8

58.4

Source	Sum of squares	Degree of freedom	Mean square	F-value	P-value
Model	0.067 5	9	0.007 5	4.84	0.010 8
A	0.053 5	1	0.053 5	34.46	0.000 2
B	0.000 4	1	0.000 4	0.26	0.623 0
C	0.002 8	1	0.002 8	1.79	0.210 9
AB	0.005 1	1	0.005 1	3.28	0.100 2
AC	0.004 3	1	0.004 3	2.75	0.128 5
BC	0.000 0	1	0.000 0	0.05	0.831 6
A²	0.053 0	1	0.053 0	34.12	0.000 2
B²	0.000 0	1	0.000 0	0.00	0.999 2
C²	0.005 3	1	0.005 3	3.43	0.093 6
Residual	0.015 5	10	0.001 6
Lack of fit	0.012 9	5	0.002 6	4.87	0.053 6
Pure error	0.002 6	5	0.000 5
Cor total	0.083 1	19

Source

Sum of squares

Degree of freedom

Mean square

F-value

P-value

Model

0.067 5

0.007 5

4.84

0.010 8

0.053 5

34.46

0.000 2

0.000 4

0.26

0.623 0

0.002 8

1.79

0.210 9

0.005 1

3.28

0.100 2

0.004 3

2.75

0.128 5

0.000 0

0.05

0.831 6

A²

0.053 0

34.12

0.000 2

B²

0.000 0

0.00

0.999 2

C²

0.005 3

3.43

0.093 6

Residual

0.015 5

0.001 6

Lack of fit

0.012 9

0.002 6

4.87

0.053 6

Pure error

0.002 6

0.000 5

Cor total

0.083 1

Source	Sum of squares	Degree of freedom	Mean square	F-value	P-value
Model	0.019 8	9	0.002 2	25.99	<0.000 1
A	0.007 5	1	0.007 5	88.51	<0.000 1
B	0.000 3	1	0.000 3	3.27	0.100 5
C	0.000 2	1	0.000 2	1.91	0.197 5
AB	0.002 4	1	0.002 4	28.38	0.000 3
AC	0.000 3	1	0.000 3	3.26	0.101 4
BC	0.000 1	1	0.000 1	0.65	0.439 7
A²	0.009 3	1	0.009 3	110.42	<0.000 1
B²	0.001 0	1	0.001 0	12.22	0.005 8
C²	0.000 6	1	0.000 6	7.53	0.020 7
Residual	0.000 8	10	0.000 1
Lack of fit	0.000 6	5	0.000 1	2.08	0.221 0
Pure error	0.000 3	5	0.000 1
Cor total	0.0206	19

Source

Sum of squares

Degree of freedom

Mean square

F-value

P-value

Model

0.019 8

0.002 2

25.99

<0.000 1

0.007 5

88.51

<0.000 1

0.000 3

3.27

0.100 5

0.000 2

1.91

0.197 5

0.002 4

28.38

0.000 3

3.26

0.101 4

0.000 1

0.65

0.439 7

A²

0.009 3

110.42

<0.000 1

B²

0.001 0

12.22

0.005 8

C²

0.000 6

7.53

0.020 7

Residual

0.000 8

0.000 1

Lack of fit

0.000 6

0.000 1

2.08

0.221 0

Pure error

0.000 3

0.000 1

Cor total

0.0206

Method	Pulp density (g/L)	Increasing ratio (%)	Bioleaching ratio (%)	Reference
Microbial fuel cells assisted	100.0	Cu (24.0)	Cu (79.7)	[29]
Electrode modified with N-doped carbon nanotube	20.0	Cu (20.0)	Cu (99.0)	[30]
Metal-tolerance strain	10.0	Cu (64.0), Ni (15.0)	Cu (94.0), Ni (45.0)	[31]
Physical fragmentation	100.0	Cu (20.4), Ni (14.1)	Cu (94.3), Ni (90.7)	[32]
The addition of lemon juice	7.5	Cu (5.0), Ni (12.0)	Cu (94.0), Ni (81.0)	[33]
Electrochemically assisted	80.0	Cu (15.8), Ni (17.1)	Cu (84.0), Ni (75.3)	This study

Method

Pulp density (g/L)

Increasing ratio (%)

Bioleaching ratio (%)

Reference

Microbial fuel cells assisted

100.0

Cu (24.0)

Cu (79.7)

[29]

Electrode modified with

N-doped carbon nanotube

20.0

Cu (20.0)

Cu (99.0)

[30]

Metal-tolerance strain

10.0

Cu (64.0), Ni (15.0)

Cu (94.0), Ni (45.0)

[31]

Physical fragmentation

100.0

Cu (20.4), Ni (14.1)

Cu (94.3), Ni (90.7)

[32]

The addition of lemon juice

7.5

Cu (5.0), Ni (12.0)

Cu (94.0), Ni (81.0)

[33]

Electrochemically assisted

80.0

Cu (15.8), Ni (17.1)

Cu (84.0), Ni (75.3)

This study