Development of a NARX neural network for a tribo-aero-electrostatic separator with rotating disk electrodes
Introduction. The exponential growth of waste electrical and electronic equipment (WEEE) requires efficient strategies for plastic waste management. Plastics, a major fraction of WEEE, represent both an environmental challenge due to low biodegradability and a valuable source of secondary raw materi...
Gespeichert in:
| Datum: | 2026 |
|---|---|
| Hauptverfasser: | , |
| Format: | Artikel |
| Sprache: | Englisch |
| Veröffentlicht: |
National Technical University "Kharkiv Polytechnic Institute" and Аnatolii Pidhornyi Institute of Power Machines and Systems of NAS of Ukraine
2026
|
| Schlagworte: | |
| Online Zugang: | http://eie.khpi.edu.ua/article/view/339775 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Electrical Engineering & Electromechanics |
Institution
Electrical Engineering & Electromechanics| _version_ | 1856543540860944384 |
|---|---|
| author | Ayache, Z. Dahou, O. |
| author_facet | Ayache, Z. Dahou, O. |
| author_sort | Ayache, Z. |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2026-01-01T22:10:06Z |
| description | Introduction. The exponential growth of waste electrical and electronic equipment (WEEE) requires efficient strategies for plastic waste management. Plastics, a major fraction of WEEE, represent both an environmental challenge due to low biodegradability and a valuable source of secondary raw materials. Problem. Tribo-aero-electrostatic separators with rotating disk electrodes offer a promising solution for fine plastic separation. However, their performance depends on multiple, nonlinear, and time-varying factors such as disk speed, voltage, and particle properties. These complex interactions make analytical modeling and stable process control difficult, limiting industrial implementation. The goal of this work is to develop a reliable dynamic model based on NARX neural networks capable of predicting the real-time evolution of key process variables such as recovered mass and particle charge. Methodology. The proposed NARX neural network learns temporal nonlinear relationships directly from experimental data, avoiding the need for explicit physical equations. Experiments were conducted on a synthetic 50:50 mixture of Acrylonitrile Butadiene Styrene (ABS) and Polystyrene (PS) particles (500-1000 μm) to assess model performance under varying disk speeds, voltages, and air flow rates. Results. The developed model accurately predicts the recovered mass and acquired charge of both ABS and PS over a wide range of operating conditions. The predictions show strong agreement with experimental measurements, maintaining low error levels even at parameter extremes. Scientific novelty. This work represents the first application of NARX neural networks to model the dynamic behavior of a two-rotating-disk tribo-aero-electrostatic separator. The approach captures essential time-dependent interactions that conventional static or analytical models fail to describe. Practical value. The NARX model exhibits high predictive accuracy and robustness across an extended operating domain (4–20 kV, 15–60 rpm, 7–9 m3/h), with errors limited to the 10–3 g and 10–3 µC ranges. These characteristics demonstrate its potential for real-time intelligent control and adaptive optimization of electrostatic separation processes in plastic waste recycling. References 39, tables 3, figures 9. |
| first_indexed | 2026-02-08T08:04:51Z |
| format | Article |
| id | eiekhpieduua-article-339775 |
| institution | Electrical Engineering & Electromechanics |
| language | English |
| last_indexed | 2026-02-08T08:04:51Z |
| publishDate | 2026 |
| publisher | National Technical University "Kharkiv Polytechnic Institute" and Аnatolii Pidhornyi Institute of Power Machines and Systems of NAS of Ukraine |
| record_format | ojs |
| spelling | eiekhpieduua-article-3397752026-01-01T22:10:06Z Development of a NARX neural network for a tribo-aero-electrostatic separator with rotating disk electrodes Development of a NARX neural network for a tribo-aero-electrostatic separator with rotating disk electrodes Ayache, Z. Dahou, O. електростатична сепарація висока напруга динамічне моделювання нейронна мережа NARX переробка electrostatic separation high voltage dynamic modeling NARX neural network recycling Introduction. The exponential growth of waste electrical and electronic equipment (WEEE) requires efficient strategies for plastic waste management. Plastics, a major fraction of WEEE, represent both an environmental challenge due to low biodegradability and a valuable source of secondary raw materials. Problem. Tribo-aero-electrostatic separators with rotating disk electrodes offer a promising solution for fine plastic separation. However, their performance depends on multiple, nonlinear, and time-varying factors such as disk speed, voltage, and particle properties. These complex interactions make analytical modeling and stable process control difficult, limiting industrial implementation. The goal of this work is to develop a reliable dynamic model based on NARX neural networks capable of predicting the real-time evolution of key process variables such as recovered mass and particle charge. Methodology. The proposed NARX neural network learns temporal nonlinear relationships directly from experimental data, avoiding the need for explicit physical equations. Experiments were conducted on a synthetic 50:50 mixture of Acrylonitrile Butadiene Styrene (ABS) and Polystyrene (PS) particles (500-1000 μm) to assess model performance under varying disk speeds, voltages, and air flow rates. Results. The developed model accurately predicts the recovered mass and acquired charge of both ABS and PS over a wide range of operating conditions. The predictions show strong agreement with experimental measurements, maintaining low error levels even at parameter extremes. Scientific novelty. This work represents the first application of NARX neural networks to model the dynamic behavior of a two-rotating-disk tribo-aero-electrostatic separator. The approach captures essential time-dependent interactions that conventional static or analytical models fail to describe. Practical value. The NARX model exhibits high predictive accuracy and robustness across an extended operating domain (4–20 kV, 15–60 rpm, 7–9 m3/h), with errors limited to the 10–3 g and 10–3 µC ranges. These characteristics demonstrate its potential for real-time intelligent control and adaptive optimization of electrostatic separation processes in plastic waste recycling. References 39, tables 3, figures 9. Вступ. Експоненціальне зростання кількості відходів електричного та електронного обладнання (WEEE) вимагає ефективних стратегій управління пластиковими відходами. Пластики, основна частина WEEE, становлять як екологічну проблему через низьку біорозкладність, так і цінне джерело вторинної сировини. Проблема. Трибоаероелектростатичні сепаратори з обертовими дисковими електродами пропонують перспективне рішення для тонкого розділення пластику. Однак їхня продуктивність залежить від численних, нелінійних та змінних у часі факторів, таких як швидкість диска, напруга та властивості частинок. Ці складні взаємодії ускладнюють аналітичне моделювання та стабільне керування процесом, обмежуючи промислове впровадження. Метою роботи є розробка надійної динамічної моделі на основі нейронних мереж NARX, здатних прогнозувати еволюцію ключових змінних процесу, таких як відновлена маса та заряд частинок, у реальному часі. Методологія. Запропонована нейронна мережа NARX вивчає часові нелінійні залежності безпосередньо з експериментальних даних, уникаючи необхідності явних фізичних рівнянь. Експерименти проводилися на синтетичній суміші частинок акрилонітрилбутадієнстиролу (ABS) та полістиролу (PS) у співвідношенні 50:50 для оцінки продуктивності моделі за різних швидкостей дисків, напруг та швидкостей потоку повітря. Результати. Розроблена модель точно прогнозує відновлену масу та набутий заряд як ABS, так і PS у широкому діапазоні робочих умов. Прогнози демонструють високу відповідність з експериментальними вимірюваннями, підтримуючи низький рівень похибки навіть при екстремальних значеннях параметрів. Наукова новизна. Ця робота являє собою перше застосування нейронних мереж NARX для моделювання динамічної поведінки трибоаероелектростатичного сепаратора з двома обертовими дисками. Цей підхід враховує важливі залежні від часу взаємодії, які звичайні статичні або аналітичні моделі не можуть описати. Практична значимість. Модель NARX демонструє високу прогностичну точність та стійкість у розширеній робочій області (4–20 кВ, 15–60 об/хв, 7–9 м3/год), з похибками, обмеженими діапазонами 10–3 г та 10–3 мкКл. Ці характеристики демонструють його потенціал для інтелектуального керування в режимі реального часу та адаптивної оптимізації процесів електростатичного розділення при переробці пластикових відходів. Бібл. 39, табл. 3, рис. 9. National Technical University "Kharkiv Polytechnic Institute" and Аnatolii Pidhornyi Institute of Power Machines and Systems of NAS of Ukraine 2026-01-02 Article Article application/pdf http://eie.khpi.edu.ua/article/view/339775 10.20998/2074-272X.2026.1.03 Electrical Engineering & Electromechanics; No. 1 (2026); 20-27 Электротехника и Электромеханика; № 1 (2026); 20-27 Електротехніка і Електромеханіка; № 1 (2026); 20-27 2309-3404 2074-272X en http://eie.khpi.edu.ua/article/view/339775/334570 Copyright (c) 2025 Z. Ayache, O. Dahou http://creativecommons.org/licenses/by-nc/4.0 |
| spellingShingle | electrostatic separation high voltage dynamic modeling NARX neural network recycling Ayache, Z. Dahou, O. Development of a NARX neural network for a tribo-aero-electrostatic separator with rotating disk electrodes |
| title | Development of a NARX neural network for a tribo-aero-electrostatic separator with rotating disk electrodes |
| title_alt | Development of a NARX neural network for a tribo-aero-electrostatic separator with rotating disk electrodes |
| title_full | Development of a NARX neural network for a tribo-aero-electrostatic separator with rotating disk electrodes |
| title_fullStr | Development of a NARX neural network for a tribo-aero-electrostatic separator with rotating disk electrodes |
| title_full_unstemmed | Development of a NARX neural network for a tribo-aero-electrostatic separator with rotating disk electrodes |
| title_short | Development of a NARX neural network for a tribo-aero-electrostatic separator with rotating disk electrodes |
| title_sort | development of a narx neural network for a tribo-aero-electrostatic separator with rotating disk electrodes |
| topic | electrostatic separation high voltage dynamic modeling NARX neural network recycling |
| topic_facet | електростатична сепарація висока напруга динамічне моделювання нейронна мережа NARX переробка electrostatic separation high voltage dynamic modeling NARX neural network recycling |
| url | http://eie.khpi.edu.ua/article/view/339775 |
| work_keys_str_mv | AT ayachez developmentofanarxneuralnetworkforatriboaeroelectrostaticseparatorwithrotatingdiskelectrodes AT dahouo developmentofanarxneuralnetworkforatriboaeroelectrostaticseparatorwithrotatingdiskelectrodes |