Modeling the Throughput of Horizontal Shaft Impact Crushers Using Regression Analyses, Artificial Neural Networks and Multivariate Adaptive Regression Spline

Abstract

In this study, the throughput (Q) of horizontal shaft impact (HSI) crushers was investigated using regression analyses, artificial neural networks (ANN) and multivariate adaptive regression spline (MARS). For this purpose, 32 different HSI-type crushers, which operated in the secondary crushing processes of various rock quarries in Turkey, were considered. Various quantitative data (i.e., rotor width (Rw), rotor diameter (Rd), rotor speed (Vr), characterized feed size (d80), operating energy (Oe), and Los Angeles abrasion value (LAAV) of the crushed stone) were collected from each crushing-screening plant. Linear and nonlinear regression analyses were first conducted using the above-mentioned collected data. Then, different ANN and MARS analyses were carried out to estimate the Q of these crushers. As a result, strong predictive models were developed to estimate the Q of HSI-type crushers. The correlation of determination (R2) of the proposed models (M6‒M10) ranged from 0.91 to 0.98, indicating the relative success of the established models. Therefore, the proposed models can reliably be used to estimate the Q of investigated HSI-type crushers. Nevertheless, the number of case studies should be increased to investigate other factors affecting the Q of HSI-type crushers.

Bu çalışmada, yatay milli darbeli kırıcıların (HSI) kırma kapasitesinin (Q), regresyon analizleri, yapay sinir ağları (ANN) ve çok değişkenli uyarlamalı regresyon analizi (MARS) kullanılarak araştırılmıştır. Bu amaçla, Türkiye'deki çeşitli taş ocaklarında ikincil kırma işlemlerinde kullanılan 32 farklı HSI tipi kırıcı ele alınmıştır. Çeşitli sayısal veriler (rotor genişliği (Rw), rotor çapı (Rd), rotor hızı (Vr), karakterize edilen besleme boyutu (d80), çalışma enerjisi (Oe) ve kırmataşın Los Angeles aşınma değeri (LAAV)) her bir kırma–eleme tesisinden elde edilmiştir. Öncelikle, toplanan veriler kullanılarak doğrusal ve doğrusal olmayan regresyon analizleri gerçekleştirilmiştir. Daha sonra ise, bu kırıcıların Q değerini tahmin etmek için farklı ANN ve MARS analizleri yapılmıştır. Sonuç olarak, kırıcıların Q değerini tahmin etmek için güçlü tahmin modelleri geliştirilmiştir. Önerilen modellerin (M6–M10) belirleme katsayısı (R2) 0.91 ile 0.98 arasında değişmekte olup, söz konusu yüksek R2 değerleri geliştirilen modellerin göreceli başarısını göstermektedir. Bu nedenle, önerilen modeller, araştırılan HSI tipi kırıcıların Q değerini tahmin etmek için güvenilir bir şekilde kullanılabilir. Bununla birlikte, HSI tipi kırıcıların Q değerini etkileyen diğer faktörleri araştırmak için örnek çalışmalarının sayısı arttırılmalıdır.