TR-Dizin İndeksli Yayınlar Koleksiyonu

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/396

Browse

Filters

2022 - 20244

Settings

Start date: 2012Institution Author: search.filters.institutionAuthor.Koken, Ekin

Search Results

Now showing 1 - 4 of 4
  • Article
    Citation - WoS: 1
    Estimating the Power Draw of Grizzly Feeders Used in Crushing-Screening Plants Through Soft Computing Algorithms
    (Konya Teknik Univ, 2024-01-02) Koken, Ekin
    In this study, the power draw (P) of several grizzly feeders used in the Turkish Mining Industry (TMI) is investigated by considering the classification and regression tree (CART), random forest (RF) and adaptive neuro-fuzzy inference system (ANFIS) algorithms. For this purpose, a comprehensive field survey is performed to collect quantitative data, including power draw (P) of some grizzly feeders and their working conditions such as feeder width (W), feeder length (L), feeder capacity (Q), and characteristic feed size (F80). 80 ). Before applying the soft computing methodologies, correlation analyses are performed between the input parameters and the output (P). According to these analyses, it is found that W and L are highly associated with P. On the other hand, Q is moderately correlated with P. Consequently, numerous soft computing models were run to estimate the P of the grizzly feeders. Soft computing analysis results demonstrate no superiority between the performances of RF and CART models. The RF analysis results indicate that the W is necessary for evaluating P for grizzly feeders. On the other hand, the ANFIS-based predictive model is found to be the best tool to estimate varying P values, and it satisfies promising results with a correlation of determination value (R2) of 0.97. It is believed that the findings obtained from the present study can guide relevant engineers in selecting the proper motors propelling grizzly feeders.
  • Article
    Citation - WoS: 1
    Assessment of Installed Power for Inclined Belt Conveyors Using Genetic Algorithm and Artificial Neural Networks
    (Konya Teknik Univ, 2022-06-01) Koken, Ekin
    In this study, the installed power (P inst , kW) of several inclined belt conveyors operating in the mining industry of Turkey was investigated through two soft computing algorithms (i.e., genetic expression programming (GEP) and artificial neural networks (ANN)). For this purpose, the most crucial belt (i.e., belt length (L), belt width (W), belt inclination (alpha)), operational (i.e., belt speed (Vb) b ) and throughput (Q)) and infrastructural (belt weight (Wb) b ) and idler weight (Wid)) id )) features of 42 belt conveyors were collected for each investigated belt conveyor. The collected data was transformed into a comprehensive dataset for soft computing analyses. Based on the GEP and ANN analyses, two robust predictive models were proposed to estimate the P inst . The performance of the proposed models was evaluated using several statistical indicators, and the statistical evaluations demonstrated that the models yielded a correlation of determination (R2) 2 ) greater than 0.95. Nevertheless, the ANN-based model has slightly overperformed in predicting the P inst values. In conclusion, the proposed models can be reliably used to estimate the P inst for the investigated conveyor belts. In addition, the mathematical expressions of the proposed models were given in the present study to let users implement them more efficiently.
  • Article
    Modeling the Throughput of Horizontal Shaft Impact Crushers Using Regression Analyses, Artificial Neural Networks and Multivariate Adaptive Regression Spline
    (2022-10-27) Koken, Ekin
    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.
  • Article
    Evaluation of the Capacity of Apron Feeders Used in Crushing–Screening Plants by Response Surface Methodology and Artificial Intelligence Methods
    (2024-06-30) Koken, Ekin
    Bu çalışmada Apron besleyicilerin kapasitesi (Q), yüzey tepki yöntemi (RSM) ve bazı yapay zekâ yöntemleriyle araştırılmıştır. Bu bağlamda, Türk Madencilik Sektöründe (TMI) kullanılan Apron besleyicilerin yaygın çalışma koşullarına ilişkin niceliksel verilerin toplanması amacıyla kapsamlı bir saha araştırması yapılmıştır. Toplanan bu verilere göre, Apron besleyicilerin Q değerini etkileyen değiştirgelerin ortaya konması için RSM analizleri gerçekleştirilmiştir. Buna göre, besleyici hazne genişliği (B), taşınan malzemenin bant üzerindeki yüksekliği (D), konveyör hızı (V) ve doluluk faktörü (φ), Q değeri için en önemli faktörler olarak belirlenmiştir. Q değerlerindeki gözlemlemek için çeşitli etkileşim ve kontur grafikleri sunulmuştur. Ayrıca, apron besleyicilerin Q değerini tahmin için, çok değişkenli uyarlamalı regresyon analizi (MARS), uyarlamalı ağ tabanlı bulanık mantık çıkarım sistemi (ANFIS) ve yapay sinir ağları (ANN) gibi bazı yapay zekâ yöntemlerine dayılı bazı tahmin modelleri tanıtılmıştır. Kurulan tahmin modellerinin performansı dağılım grafiklerine göre değerlendirilmiş ve RSM metodolojisine dayalı tahmin modelinin, yapay zekâ tabanlı tahmin modellerine göre nispeten daha iyi sonuçlar sağladığı bulunmuştur. Sunulan tahmin modelleri, yüksek kapasiteli Apron besleyicilerin Q değerini tahmin etmek için güvenilir bir şekilde kullanılabilir. Ancak kırma-eleme tesisi tasarımcıları, düşük kapasiteli Apron besleyicileri değerlendirmek için sunulan tahmin modellerini kullanırken dikkatli olmalıdır. Elde edilen bulgulara dayanarak, bu çalışma, Apron besleyicilerinin Q değerini değerlendirmek için RSM metodolojisinin ve çeşitli yapay zekâ yöntemlerinin uygulanabilirliğini göstermiştir.