Indonesi an  Journa l  of El ect ri cal Engineer ing  an d  Comp ut er  Scie nce   Vo l.   23 ,  No.   1 ,   Ju ly   2021 , p p.  110 ~ 119   IS S N: 25 02 - 4752, DO I: 10 .11 591/ijeecs .v 23 .i 1 . pp 110 - 119          110       Journ al h om e page :  http: // ij eecs.i aesc or e.c om   Manag em ent switchin g an gles  r eal - time pr edicti on b y  a rtifi cial  neural n etwork       Moham med  R as heed  Jub air  A l - Hiealy , M ohamm ad   Sh ahi r Bi n Abdul  Maje d Shi kh ,    Ab d urra hman Bi n Jalil , Su ha il a Ab dul  R ah m an ,   Muat h Jarr ah   Depa rtmnet  o f  C om pute r  Engi n e eri ng,   Univer s i t y  Malay si a  of   Co m pute r  Scie n ce  &  Eng ine er ing  ( UN IMY ),   Sela n gor,   Malay s ia       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   N ov   7 , 2 02 0   Re vised  A pr   27 , 2 021   Accepte d  Ma y   10 , 202 1       Artifi c ia l  n eur a l   net works   (AN Ns )  is  an  eff icie nt  wa y   for  diff e ren t  t y p e s  of  rea l - world   pre di ct ion  prob le m s.  In  the   p ast  de ca d e,   it   h as  give n  a  tre m endous   surge  in  a  glob al   rese arc h  ac t i vit ie s .   AN Ns   embody   m uch  c ert a inty   and   provide   a  gre at  deal  of  prom i se  Thi s  p ape r  has  pre sent   arti fic i al   n eur a l   net work  (AN N)  te chn ique   anal y s is  and  pre dic ti on   for  m ana gement  sw it chi ng   angl es  re al - t ime.   The   proposes  t o  be  used  AN N  for  pre diction  a nd  sele c te d   obti ne  angl es  for   implement  the  t iming  dia gra m   f or  m uli tl ve l  inverter   c irc u it.   In  orde r  to   cont r ol  the  funda m en ta l  component,  AN Ns   are   used   to  solve  th e   ana l y sis  of   non - li ne ar  equa t ion   of  th e  ou tput   t iming  dia gr am  in  orde r   to  det ermine  th e  sw it chi ng  ang le s .   Subs ta nti a lly ,   the   num ber   of  sw it chi ng   devi c es  are   red u ci ng  as  poss ibl e  basic a lly   for  red uci ng  a  sw it chi n g  loss  in  the   s y stem,  al so  hav e  bee n  used  AN Ns   te chni que  to  opti m iz e  a  sw itc hing  angl e s   beha vior  to  red uce   tot a l  har m onic   distort ion  (T HD )  at   volt age   and  cur ren t   output   wave fo r m   equa l  THD V  8. 05%  THDA   5. 1%.   For  t he  proposed   cont rollers,  the   per form anc e  an d  result s  b y   the  AN N s  were   o bta in e d  and   compare d  b y   usi ng  MA TL AB software .     Ke yw or d s :   Ar ti fici al  intel li gen ce   Har m on ic s  op t i m iz ation   Neural  netw ork AN N   Sw it chin g  a ngle   This   is an  open   acc ess arti cl e   un der  the  CC  B Y - SA   li ce nse .     Corres pond in g  Aut h or :   Moh am m ed  Ra sh ee d  J ub ai r Al - Hieal y   Dep a rtm ent o f C om pu te r  E ng i neer i ng   Un i ver sit y M al ay sia  o f  C om pu te r Sci ence  &  Enginee rin g ( UNIMY )   Sela ngor, Mal a ysi a   Em a il : rash eed .alhiea ly @unim y.edu .m y       1.   INTROD U CTION   A  m ultilevel  i nv e rter   is  an  el ect ro nic  ci rc uit  with  m ult i - le vel  powe r,   this  inv e rter/ci rcu it   can  be   conve rted  i nto  a  dir ect   po w er  ( DC)   outp ut  sup ply  an d  supp li es  a n  al te rn at e  volt age  (A C)   wa ve form .   ”R enew a ble  s ources  of  ene r gy  su c h  as  ph otovo lt ai cs,  wind   an d  water  tur bin es  a re   now  e ssentia l  e nergy  so urces  du e  to   their  ren e wa bl e  and   en vir onm ental   fr ie nd li ness”  [ 1] - [ 3].  Most  of   these  ren e wa ble  pathw ay s   gen e rate  a  DC  wav e f or m   as  a n  outp ut  that  is  no t  a pprop riat e  for  tran sm iss ion s ,  distri bu ti on s  a nd  use s.  Ba sed   on   t his,  the  D C  ou tp ut  pow e r  shou l d  be  c onve rted  to  AC  powe r  wa veform   and   this  can   be  a chieve d  t hro ugh  the  MLI  ci rc uit   [2 ] - [ 5] .   I n  ge ner al ,  b ase d  on  their  pr in ci pa l  structur e ,  MLI  str uctur e s  ha ve  bee n  cat eg or iz e d  into  three  m ain   topolo gies  nam el y  casca ded   h” br i dg e  (CHB - MLI )  w hi ch  is  the  m os t  com m on   and   reli able ,   diode - cl am ped  ( DC - MLI )  a nd  fly ”capaci tor   (F C - MLI ).   A   co nn ect e d  cel ls  in  se ries  in   the  loa d  c om po se  a   CHB - MLI  t opology,  w hile  conve ntion al   st r uctu re  of  CHB - MLI  us es  f our   switc hes  pro du ci ng  th ree  le ve ls  for   each  cel l   [4] ,  [ 5] .   Seve ral  m o du la ti on  m et ho ds   f or   el im inatin g  a  ha rm on ic   durin g  the  out pu t  wav e form ,  su c h  as  the  pulse   wi de  m od ule  (PWM ),   cal le d  a   high  fr e quen c y  switc hin g  te chn i qu e ,  inclu ding  S - P W M  a nd   SV - P W M  ha ve  be en  us e d.   Sec ondly,  sel ect ive  har m on ic   el i m inati on   ( SH E - P W M)  m et ho d,  of te n  cal le d  the  best   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Ma nage men t s wi tc hin g a ng le s rea l - ti me pre dicti on   by arti fi ci al… ( Moha mm e d Ras hee d Ju ba ir  Al - Hiealy)   111   m od ulati on  m e thod,  as the  s pa ce vecto r  co nt ro l  ( SV C ),  is a  fun dam ental  te chn i qu e  f or  fre qu e ncy  cha nge s   [6] - [11] .   “I n  ad diti on,  a  com plex  transce nd e ntal  no t  li near   e qu a ti on   (SHE - P W M)  can  be  f ou nd   wh ic h  has  t o  be  reso l v ed ,  w hic h  can not  be  ea sil y  so lved  by  si m ple  m et ho ds  [12],  w hile  m eans  of   it erat ive  co ntr ol  m e thods  can  overc om e  this  com plex  e qu at io n  (SHE - P W M)   s uch  as   opti m isa ti on   of  arti fici al   ne ur al   netw ork   ( ANN),  firesf ly   al gorithm   (F FA ),   part ic le   swar m   op tim iz at ion   ( PS O) ,  a nd   new t on - raphs on  (N R )  [13 ] - [ 15]   to  def i ne   and   cal culat e  uniq ue  switc hi ng  A ng le s  f or   lo wer   T HD   an d  m or e  s m oo th  wav e  f orm   of   a  m ulti plex”   [7] ,  [12] - [15] .   TH D  can  essenti al ly  b e  def i ned  as the  rati o  of   high harm on ic s w it h  low  ha rm on ic s as sh own,   wh e n  an  is   a h igh   har m on i c and  a 1  low h arm on ic s   [16].   Ther e f or e ,  outpu t v oltage   ca n be g e ner at ed b y  a n ine level C HB - MLI  ba s e d  o n  F i gu r e   1   a n d  F i gu r e   2 ,      THD = ∑ ( a n ) ∞ n = 1 , 3 , 5 … a 1       V out = V c1 + V c2 + V c3   + V c4 + V c5         2.   SHE - P WM  TE CHNIQ UE  PROP OS E D MET HO D   A  sel ect ive  ha rm on ic   el i m i nation  S HE - P WM  te chn i que  fr om   a  fu ndam ental   swit ch  fr e que ncy   strat egy  is  a   m od ulati on   te c hn i qu e   that  ha s  b ee n  us e d  i n  this  researc h  pap e r .  “ T o  produce   a  sym m et rical  qu a rter  wa vefor m   in  this  a ppr oac h,   t he  e quat ion  of  t he  fast  f ourier   se ri es  ( FFT )  is  app li ed   to   the   outp ut   vo lt age   sta irca se  wa vefor m   to  sat isfy  the   be st  switc hing  ang le s  [ 11 ] ”.   The  (Vo ut)  F FT  sta te m ent  can  be   com pu te d  as ,      V ( t ) out = ∑ a n sin   ( n ω t ) ∞ n = 1 + b n cos ( n ω t )                         Fig ure  1 .  O ne of  cell  f or  nin e  level C HB - MLI     Fig ure  2 .   Pro posal  fo r nine - le vel CHB - MLI  ci rcu it       “ W hi c h  c l e a r e d  a l l   ki nd s   of   ha r m on i c s   ( b  ne qu a l   z e r o )   a nd   p r e s e nt e d  on l y   t he   od d  ha r m on i c s ” .     “ T he   od d  c oe f f i c i e nt   ( a n)   c a n  t he r e f or e   be   de t e rm i ne d,   a nd   t he   s w i t c hi ng   a ng l e s   c a n  on l y   be   c a l c ul a t e d  at   t he   i ni t ia l   qu a dr a nt   w a ve f or m . ”   Th e r e by ,   4   S w i t c hi ng   A n gl e s   a t   l e ve l - 9  M L I   s ho ul d  be   de f i n e d  a nd   c a l c ul a te d  a s   t he   c r i t i ca l   a ng l e   a t   f i r st   qu a d r a nt   w a ve f or m   ( θ 1 , θ 2 , θ 3   a nd   θ 4   )   a s   s ho w n  i n  F i gu r e   4   ba s e d   on   T a bl e   1   [ 1 7] .    T he   o dd   (   a n )   c oe f f i c i e nt   c a n,   ho w e ve r ,   be   c a l c ul a t e d   in ,      a n =   4 π ∫ V sin ( n θ ) d θ π 2 ⁄ 0       t he r e f or e   t he   i np ut   s up pl y   un i t s   a r e   r e qu i r e d ,   a s s um i ng   t ha t   t he   M L I   w hi c h  pr op os e s   t h e   s ym m et r i c al   C H B - M L I   i s   e qu i va l e nt .   T he   M L I   o ut pu t   v ol t a ge   w a ve f or m   c a n  t he n  be   de f i ne d   by   F F T   e x pa n s i on ,    Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   23 , N o.   1 ,  Ju ly   2021 :  110   -   119   112   V ( ω t ) = 4 V dc n π ∑ [ cos ( n θ 1 ) + cos ( n θ 2 ) + cos ( n θ 3 ) + cos ( n θ 4 ) ] ∞ n = 1 , 3 , 5 , . . sin   ( n ω t ) n       i n  f a c t ,   t he   o d d  c oe f f i c i e nt   (   a n )   o f   f ou r i e r   s e r i e s   ( F F T ) ,   “ w hi c h  c a n   be   ob t a i ne d  by   t a ki ng   V ( ω t )   a s   t he   c om m on   f a c t or   f o r   e ve r y   e q ua t i on   s i d e ,   ne e ds   t o  be   f ur t h e r   a na l y s e d ”   [18] .   u nt i l   t he   f i na l   e qu a t i on   of   o d d   s e r i e s   c oe f f i c i en t s   f or   ha r m on i c   or d e r   c om po ne nt s   c a n  be   ob t a i ne d   in ,      a n =   4 V dc n π   [ cos ( n θ 1 ) + cos ( n θ 2 ) + cos ( n θ 3 ) + cos ( n θ 4 ) ]         n um e r i c al ly ,   4   or de r s   c a n  be   o bt a i ne d  f o r   e a c h  s t r a ng e   ha r m on i c   or de r   a t   9 - l e ve l   C H B - M LI   in   ( F i g ur e   3) ,      [ cos ( θ 1 ) + cos ( θ 2 ) + cos ( θ 3 ) + cos ( θ 4 ) ] = 4π M i 2       [ cos ( 3 θ 1 ) + cos ( 3 θ 2 ) + cos ( 3 θ 3 ) + cos ( 3 θ 4 ) ] = 0         [ cos ( 5 θ 1 ) + cos ( 5 θ 2 ) + cos ( 5 θ 3 ) + cos ( 5 θ 4 ) ] = 0         [ cos ( 7 θ 1 ) + co s ( 7 θ 2 ) + cos ( 7 θ 3 ) + cos ( 7 θ 4 ) ] = 0         a nd   m od ul a t i on   i n de x   M i = a 1 l V dc   w he n   l   “ t he   n um be r   of   i n de pe nd e nt   D C   s ou r c e s . ,   i n  f a c t ,   a   m a th e m a ti c a l  e qu a t i on   c a n no t   de t e rm i ne   t he   c om pl e x  S H E - P WM   e q ua t i on .   C om pl i c at e d  a pp r oa c he s   A N N ,   F F A ,   P S O ,   a n d   N - R   m us t   vi r t ua l ly   be   c a l c ul a te d”   [ 1 9] ,  [ 2 0] .         Table  1 .  O utpu t vo lt age  s witc hing  be ha vior  f or n i ne - le ve  M - CHB - ML Is   S 1   S 2   S 3   S 4   S 5   S 6   V o   1   0   0   1   0   1   Vd c   1   0   0   1   0   0   V dc /2   0   0   0   1   1   0   V dc /3   0   0   0   1   1   0   V dc /4   0   0   1   1   0   0   0   1   1   0   0   0   1   0*   0   1   0   0   1   1   - V dc /4   0   1   0   0   1   0   - V dc /3   0   1   1   0   0   0   - V dc /2   0   1   1   0   0   0   - Vd c           Fig ure  3 .   O utput wa ve form  v ol ta ge of  9 - le ve l M LI       3.   ANN  PE RF O RMA NC E E V ALU ATIO N   ANNs   a r e   i ns pi r e d  by   bi ol o gi c a l   ne r vo us   s y s t em ,   i t   c a n  or ga ni s e   a nd   pr oc e s s   i nf o r m a ti on   a nd   e va l ua t e   t he   de s i r e d  da t a   a s   s ho w n  i n  F i gu r e   4 ” [ 15 ] ,   i t   i s   a   po w e r f ul   t e c hn i qu e   t ha t   h a s   be e n  s uc c e s s f ul l y  a pp l i e d  a n d  s o l ve d  va r i o us   t y pe s   of   r e a l - w or l d  pr ob l e m s ,  pa r t i c ul a r l y   in   t he   f i e l d  of   e l e c t r on i c   c on t r ol .   A  f un da m e nt al   s tr uc t ur e   m od e l   f or   A N N s   a r e   c om pi l e d  by   t h e   nu m be r   o f   l a y e r s   t ha t   ha ve   a   l im i t e d  nu m be r   of   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Ma nage men t s wi tc hin g a ng le s rea l - ti me pre dicti on   by arti fi ci al… ( Moha mm e d Ras hee d Ju ba ir  Al - Hiealy)   113   a c t i va ti on   f u nc t i on s   t ha t   c a l l ed   ne ur o ns ;   t he y   a r e   i nt e r c on n e c t e d  by   c on ne c t i ng   w e i gh t   s o   t ha t   e a c h  l a y e r  ha s   a   bi a s   pa r am e te r ,   i n  w hi c h  a   r e gu l a t or y   va l ue   i s  us e d,   t o  c on t r ol   a   pr ocessi ng   m et ho d   [ 1 6]   A N N s   ge ne r a l l y   ha ve   t hr e e   m a jo r  l a ye r s  of  we i g ht  c on ne c t i on :   i np ut  l a y e r  t o h ol d t he  i np ut  pa r a m e te r s ,  hi dd e n  l a y e r s  a s  a  pr oc e s s i ng   l a y e r   a nd   f i na l l y   t he   ou t pu t   l a y e r   of   t he   r e s ul t   f r om   i np ut   a nd   p r oc e s s i ng   l a y e r s   [ 17 ] - [ 19 ] .             Figure   4 .   A NNs struc ture       F e e db a c k  ( F B - A N N s )   w hi c h   c on t a i n  f e e db a c k  a nd   f e e d b a c k  u ni t   ( F F - A N N s )   a n d  w hi c h  d o  no t   c on t a i n  t he   f e ed b a c k  u ni t ,   m ay   al s o  be   di vi de d  i nt o  t w o  m ai n  s t r uc t ur e s .   I n  f a c t ,   it   ha s   be e n  e s t a bl i s he d  th a t   a ll   A N N s   ne e d  f i r s t   of   a ll   t o  t r a in   da t a   t o  un de r s t a nd   a nd   t o  f or m   a   li nk   be t w e e n  t he   ou t p ut   a nd   i np ut   l a y e r s   in  or de r   t o  r e s po nd   m or e   qu i c k l y   a nd   t em po r a r i l y   [21] .   T he r e   i s   di f f e r e nt   t r a i ni ng   a l go r i t hm s   us e d  i n  A N N s .   Ho w e ve r ,   t he   m ost   a pp r o pr i a t e   a l go r i t hm   i n  t hi s   w or k   i s   L e ve nb e r g - M a r q ua r dt - a l go r i t hm ,   w hi c h  i s   r e qu i r e d  t o   r e du c e   t he   m em or y  c om pa r ed   t o  ot he r   m e t ho ds   be c a us e   o f   f a s t e r   t a nn i ng   [2 2] . ” R e s ul t s   w i t h  hi gh   pe r f or m a nc e  c om pa r e d  t o  ot he r   s t ud i e s   t ha t   us e d  di f f e r e nt   c on t r ol   m e th o ds   w e r e   a c hi e ve d  by   us i ng   A N N s   “ a s   a  co nt r o l   s y s t em   t o  c al cu l a t e   no nl i ne a r   t r a ns c e nd e nt a l   e qu a t i on   be c a us e   t he   a bi li ty   t o  m a p  t he   f un da m e nt a l  r e l a ti on s hi p   be t w e e n   i np ut   a nd   o ut pu t   da t a   du r i ng   t he   t r a i ni ng   pr oc e s s   w a s   a c hi e ve d ” [23] .  A s   a n  i n pu t   ne ur on ,   t he   f i r s t   ne ur on   of   t he   ou t p ut   l a y e r   i s  us e d  t o  ge ne r a t e   a   s w i t c hi ng  s i gn a l   f or   t h e   pr o po s e d  M - C H B M I   [24] .  F or  ℎ   ne ur on   a t   ℎ   a y e r   t he   ne t w or k  t r a ns f e r   f u nc t i on   c a n  t he n  be   d e s c r i be d  in ,      n i m = ∑ W ij m a j m − 1 + b i m S m − 1 j = 1       t he   pa r a m e te r   of   bi a s   o f   ℎ   l a y er   a t   ℎ   ne ur on   i s   t he      w e i g ht   r e l a t i on s   pa r a m e te r   f or   t he   ℎ   a n d  ℎ   ne ur on s   a t   t he   ℎ   l a y e r   a nd   t he   .    i s   a l s o  t he   a t   ℎ   l a y e r   ne ur on   ou t pu t   f un c t i on   t h a t   c a n  be   de f i n e d  a s :       a i m =   f m   ( n i m )       I n  t he   hi dd e n  l a y e r ,   “ a   ta ng e nt   hy pe r b ol i c   f un c t i on   i s   s e l e ct e d  a s   t he   a c ti va t i on   f un c t i on   ( f )   f or   o ur   ne t w or k   de s i gn ,   i t   c a n  b e   de f i ne d  a s ,      f m   ( n i m ) =   2 1 +   e − 2 n i m − 1       w he r e a s   f   i s   un i t y  a t  t he   ou t pu t   l ay e r   [25] - [ 2 7] .   T he   a bo ve   de s c r i be s   a   ha r m on i c  m i ni m i za t i on   e qu a t i on   us i ng   A N N s .   F i gu r e   5   s h ow s   t he   A N N   ha r m on i c   m i ni m iz a ti on   pr oc e du r e   f l o w   c ha r t   a n d  F i gu r e   6   pr ov i d e s   t he   r e s ul t i ng   op t i m a l   s w i t c hi ng   a ng l e s .   A N N s   “ c on s i s t i ng   of   t w o   hi dd e n  ne ur o n s   ha ve   be e n  t r a i ni ng   t he   o ut pu t   a r e  s ho w n  i n  F i gu r e   7 ( a )   a n d  F i gu r e   7 ( b )   s h o w i ng   t he   g r a d i e nt   m e a n  s qu a r e d  e r r o r   a n d   A N N ”   pe r f or m a nc e  va l i da t i on   of   9 - l e ve l   m od i f i ed   C H B - M L I   t h a t   ha s   a l s o  be e n  us e d  t o  up da t e   a nd   c or r e c t   bo t h  ne t w o r k  de vi c e   w e i gh t   a n d   bi a s   va l ue s ,   va l i da t i on   i s   us e d  vi a   t he   t r a i ni ng   p r oc e s s   t o  t r a c k  t he   e r r or .     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   23 , N o.   1 ,  Ju ly   2021 :  110   -   119   114       F i gu r e   5 .   A N N   f l ow   c ha r t   f o r   ha r m on i c s   pr o bl em   of  m i ni m i z a ti on           F i gu r e   6 .   C a l c ul a t e d  s w i t c hi ng   a ng l e s   θ 1 ,   θ 2 , θ 3 ,    θ 4   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Ma nage men t s wi tc hin g a ng le s rea l - ti me pre dicti on   by arti fi ci al… ( Moha mm e d Ras hee d Ju ba ir  Al - Hiealy)   115       ( a )   (b)     Figure   7 .  ANN Per for m ance at trai ning  with   2  n eu r on s  in hi ding       4.   NIN E  LE VEL  C HB - MLI  MATL AB S IM ULABIO N O F MODI FIED   T he   pr op os e d  s y s t em   c on s i s ts   of   o ne   m od i f i c a t e d  c e ll   c on ne c t e d  t o  a   s e r i e s   e a c h  c on t a i ni ng   pu l s e  ge ne r a t i ng   “ un i t ,   a s   a   s w i t c hi ng   c o nt r ol   s y s t em ,   a s   s ho w n  i n   F i gu re ”   8 ,   us i n g  M A T L A B   s i m ul a ti on   s of t w a r e .         F i gu r e   8 .   M a t l ab   9 - l e ve l   C H B - M L I   s im ul at i on       5.   SIMULATI O N  O PTIMIZ A TION  RES UL TS FO R  SI N GLE - PH AS E  MO DIFIE D CHB - MLIS   NIN E -   LE VE L   WITH  MI=  0 . 9  B AS E D  O N ANN TE C HNIQUES ”   I n  or de r   t o  p r o du c e   4   i ni t i a l   sw i t c hi ng   a ng l e s   t ha t   a r e   us e d   t o  c on t r ol   a   9 - l e ve l   m od i f i e d  C H B - M L I ,   a n  a r t i f i c i al   ne ur a l   ne t w or k  ( A N N )   o f   a   s i ng l e - ph a s e   w a ve f o r m   s y st em   ha s   be e n  de v e l op e d  us i ng “ M A T L A B / s of t w a r e   c od e .   F i ve   s e pa r a te   D C   i np ut   s ou r c e s ,   e a c h  e qu a l   t o  30 0  V   a nd   25 0 0  H z   s w i t c hi ng   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   23 , N o.   1 ,  Ju ly   2021 :  110   -   119   116   f r e q ue nc y ,   w e r e   a l s o  a s s um e d.   T hi s   s y st em   ge ne r a t e s   A C   w a ve f or m s   on   t he   l oa d  s i de   to   f e e d  a   s i ng l e - ph a s e   l oa d o f  R  80  Ω ,  H 3 5e - 3 L  a n d C  50 e - 6m F .   T he  i ni t ia l  4 sw i t c hi ng  a ng l e s  us i ng  a n A N N  a pp r oa c h f o r  t he  ti m e  f r a m e  of   M i = 0. 9  ha ve   r e s ul t e d  θ 1  = 7. 8 71 ,   θ 2 = 20 . 05 4,   θ 3= 4 4. 1 25 ,   θ 4= 5 2. 8 31   θ 5= 52 . 83 1  a nd   θ 6= 52 . 83 1 ,   e ve n   t he   t im e   f r am e  f or   e a c h   l oo p  f or   e a c h  o ut pu t   w a ve f or m   i s   eq ua l   t o  0. 02 .   T he   pr e di c t i on   d a t a   a nd   or i gi na l   da ta   f or   t ot a l   ha r m on i c   di s t or t i on   ( T H D )   a r e   l i s t e d  i n  F i gu r e   9   d ur i n g  t e s t   t im e .   T r a i ni ng   pe r f or m a nc e   of   A N N   t e s ti ng   a ng l e s   s e t   a r e   i ll us t r a te d  i n  F i gu r e   1 0   t ha t   i nd i c a ti ng   e r r o r   r e s u l t a nt   a r e   R = 8 0.   A  9 - l e ve l   C H B - M L I   a t  ha ve   be e n  de v e l op e d  by   s im ul a t i on   m od e   in   w hi c h  i nc l ud e   one   m od i f i e d  c e l l   e a c h  c e l l   a t   t he   s y s t em   co nt a i n s   t w o  u ni t s   ( s w i t c hi ng   c i r c ui t   s c he m e   un i t   a nd   c on t r ol   un i t )   e a c h  c e l l   c on s i s t in g  4   s w i t c hi ng   de vi c e s   i n  s t r u c t ur e   s c he m e   w i t h  on e   pu l s e   ge ne r a t or   a t   c on t r ol   un i t   f or   e a c h  o ne   of   t he m .   F ig ur e   1 1   s ho w s   t he   t im i ng   of   c on t r ol   pu l e s   w i t h  r e a l   s w i t c hi ng   t im e s   of   e a c h  s w i t c h  on   t he   de v i c e   us i ng   A N N   op t i m i z at i on   a ng l e s   of   s w i t c hi ng   du r i n g  a   t hr e e - c e l l   c e ll   m od e l  o ne   1 , 2 , 3      4 .   T he   r e s ul t a nt   t ot a l   ha r m on i c   di s t or t i on  ( T H D )   t ha t   ha v e   be e n  pr ov i de   u s i ng   A N N   s w i t c hi ng   a n gl e s   op t im i z a ti on   t e ch ni q ue   t o  c on t r ol   a   s i ng l e - ph a s e   m od i f i e d  9 - l e ve l   C H B - M L I   a r e   r e du c e d  a s   c o m pa r e d  w i t h  ot he r   op t im i z at io n  t e c hn i q ue s   l i ke   N R   a n d  P S O   a t   bo t h  of   c ur r e n t   a nd   vo l t a ge   pa r am e t e r s   i n  w hi c h  a   v ol t a ge   T H D   ha ve   be e n  r e a c he d  i nt o  5%   a nd   c ur r e nt   T H D   ha ve   be e n   r e a c he d  i nt o  1. 3%   a s   s h ow n  i n  F i gu r e   1 2 - 1 5 .              “ F i gu r e   9 .   P r e di c t e d  da t a   a nd   o r i gi na l   da t a   f or   T H D         F i gu r e   1 0 .   T r a i ni ng   pe r f o r m a nc e   a ng l e s   f or   A N N               F i gu r e   11 .   T i m e   s w i t c hi ng   f o r   1 , 2 , 3 , 4 , 5      6   0 0 . 0 0 2 0 . 0 0 4 0 . 0 0 6 0 . 0 0 8 0 . 0 1 0 . 0 1 2 0 . 0 1 4 0 . 0 1 6 0 . 0 1 8 0 . 0 2 0 0 . 5 1 T i m e S1 0 0 . 0 0 2 0 . 0 0 4 0 . 0 0 6 0 . 0 0 8 0 . 0 1 0 . 0 1 2 0 . 0 1 4 0 . 0 1 6 0 . 0 1 8 0 . 0 2 0 0 . 5 1 T i m e S2 0 0 . 0 0 2 0 . 0 0 4 0 . 0 0 6 0 . 0 0 8 0 . 0 1 0 . 0 1 2 0 . 0 1 4 0 . 0 1 6 0 . 0 1 8 0 . 0 2 0 0 . 5 1 T i m e S3 0 0 . 0 0 2 0 . 0 0 4 0 . 0 0 6 0 . 0 0 8 0 . 0 1 0 . 0 1 2 0 . 0 1 4 0 . 0 1 6 0 . 0 1 8 0 . 0 2 0 0 . 5 1 T i m e S4 0 0 . 0 0 2 0 . 0 0 4 0 . 0 0 6 0 . 0 0 8 0 . 0 1 0 . 0 1 2 0 . 0 1 4 0 . 0 1 6 0 . 0 1 8 0 . 0 2 0 0 . 5 1 T i m e S5 0 0 . 0 0 2 0 . 0 0 4 0 . 0 0 6 0 . 0 0 8 0 . 0 1 0 . 0 1 2 0 . 0 1 4 0 . 0 1 6 0 . 0 1 8 0 . 0 2 0 0 . 5 1 T i m e S6 0 0 . 0 0 2 0 . 0 0 4 0 . 0 0 6 0 . 0 0 8 0 . 0 1 0 . 0 1 2 0 . 0 1 4 0 . 0 1 6 0 . 0 1 8 0 . 0 2 0 0 . 5 1 T i m e S7 0 0 . 0 0 2 0 . 0 0 4 0 . 0 0 6 0 . 0 0 8 0 . 0 1 0 . 0 1 2 0 . 0 1 4 0 . 0 1 6 0 . 0 1 8 0 . 0 2 0 0 . 5 1 T i m e S8 0 0 . 0 0 2 0 . 0 0 4 0 . 0 0 6 0 . 0 0 8 0 . 0 1 0 . 0 1 2 0 . 0 1 4 0 . 0 1 6 0 . 0 1 8 0 . 0 2 0 0 . 5 1 T i m e S9 0 0 . 0 0 2 0 . 0 0 4 0 . 0 0 6 0 . 0 0 8 0 . 0 1 0 . 0 1 2 0 . 0 1 4 0 . 0 1 6 0 . 0 1 8 0 . 0 2 0 0 . 5 1 T i m e S 1 0 Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Ma nage men t s wi tc hin g a ng le s rea l - ti me pre dicti on   by arti fi ci al… ( Moha mm e d Ras hee d Ju ba ir  Al - Hiealy)   117   T he   pr op os e d  5  a nd   9 - l e ve l   s i ng l e - ph a s e   m od i f ie d  C H B - M L I   w a s   pr e vi ou s l y   us e d  b y   t he   A N N   t e c hn i qu e   f or   t he   pu r p os e   of   r e du c i n g  t he   T H D   on   t he   v ol t a ge   a nd   c ur r e nt   ou t p ut   w a v e f or m   a s   s ho w n  i n    F i gu r e   1 6 .   “ F o r   f i ve - l e ve l   a nd   ni ne - l e ve l   m od i f ie d  C H B - M L I ” ,   T a b l e   2  “ di s pl a y s   sw i t c hi ng   a ng l e s   a nd   di f f e r e nt   T H D s   i n  vo l t a ge   a n d  c ur r e nt ” .             “ F i gu r e   1 2 .   O ut pu t   v ol t a ge   w a ve f o r m   f or   9 - l e ve l   C H B - M L I   s im ul a t i on         F i gu r e   1 3 .   O ut pu t   ha r m on i c   s pe c t r um   f or   vo l t a ge   w a v e f or m   us i ng   A N N   t e c h ni q ue                         F i gu r e   1 4 .   O ut pu t   c ur r e nt   w a ve f o r m   f or   9 - l e ve l   C H B - M L I   s im ul a t i on     “ F i gu r e   1 5 .   O ut pu t   ha r m on i c   s pe c t r um   f or   c u r r e nt   w a ve f or m   us i ng   A N N   t e c h ni q ue       Table   2 .  C om par iso n  of   t he 5  and 9 l evels  of  the m od ifie d  C HB - MLI   b a s e d   on the  AN N p rop os al   N - le v e l   MI   1   2   3   4   T HD V   T HD A   5 - l e v e l   0 . 9   3 1 . 4 1   4 1 . 9 3   0   0   1 4 . 4 8 %   8 . 0 5 %   9 - l e v e l   0 . 9   7 . 8 7 1   2 0 . 0 5   4 4 . 1 2   5 2 . 8 3   7 . 4 6 %   5 . 1 %       0 0 . 0 0 2 0 . 0 0 4 0 . 0 0 6 0 . 0 0 8 0 . 0 1 0 . 0 1 2 0 . 0 1 4 0 . 0 1 6 0 . 0 1 8 0 . 0 2 - 6 0 0 - 4 0 0 - 2 0 0 0 200 400 600 T i m e P h a s e   V o l t a g e   ( V ) Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   23 , N o.   1 ,  Ju ly   2021 :  110   -   119   118       F i gu r e   16 .   S t a t is t i c s   g r a ph   f or   s w i t c hi ng   a ng l e   va l ue s   a nd   t h e   T H D   va l ue s   of   vo l t a ge   a nd   c ur r e nt   ba s e d   o n  A N N   f o r   9 - l e v e l s   M - C H B - ML I       6.   CONCL US I O NS   T he   r e s e a r c h  p a pe r   pr op os e s   A N N s   a s   t he   ni ne - l e ve l   C H B - M L I   op t im iz a t i on   m e t ho d   t ha t   r e du c e s  T H D   ' s   c ur r e nt   w a ve f or m   a nd   ou t pu t   vo l t a ge .   T he   a im   of   t hi s   pa pe r   w a s   s i m ul a te d  w i t h M A T L A B   S im ul i nk   t o  a na l y s e   t he   r e s ul t i ng   pa r a m et e r s .   T he   r e s ul t a nt   T H D   ou t p ut   w a ve   f or m   of   9 - l e ve l   ha s   be e n  c om pa r e d  w i t h  a   r e s ul t a nt   T H D   ou t p ut   w a ve f or m   of   pr e vi ou s   w or k  of   r e s e a r c h  pa pe r s   f or   5 - l e ve l   C H B - M L I .   I n  br i e f l y   d e s c r i be   of   s i m ul at i on   r e s ul t ,   t he   T H D   a t   o ut pu t   w a ve f or m   a r e   r e du c e d  w he n  t he   l e ve l   s t e pp e d  o f   C H B - M L I   a r e   i nc r e a s e d ,   a l s o  A N N s   t e c hn i q ue   a   us e f ul   op t im i z a ti on   t oo l   th a t   pr o vi de   l ow e r   T H D   a s   c o m pa r e d  w i t h  NR   a nd   P S O   o pt im i za t io n  t e c hn i q ue s .         REFERE NCE S   [1]   M.  Rashee d ,   M .   M.  A.   Alakk ad ,   R.   Om ar,   M .   Sulai m an,   and  W .   A.  Ha li m ,   “ Enha nc e  th e  accura c y   of  cont r ol  al gorit hm   for  m ult il evel  inv er te r  base d  on  ar ti ficia l  neur a l  n et work,”   I ndone s.  J.   El e ct r.  En g.   Comput.   Sc i.   ( IJE ECS) ,   vol. 2 0,   no .   3 ,   2020 ,   d oi:   10 . 11591/ije e cs. v20. i3 . pp114 8 - 1158.     [2]   R.   Om ar,   M.  R ashe ed,   M .   Sula iman,   and  A.  A l - ja n ad,   “ A  Stud y   of  a  Thr ee   Phase  Diode  Cl amped  Multi l ev el   Inve rte r   Perform anc e   For Harmonics  Redu ct ion , ”   MAGNT R es .   R ep.   ( ISSN.   1 444 - 8939) ,   vol.   2 ,   no .   4 ,   pp .   62 - 71 .     [3]   P.  Chowdhur y ,   I .   Kole y ,   and  S.  S en,   “ Modelling,   sim ula ti on  and   c ontrol   of  a  gr id  c onnec t ed  non  co nvent ion al   sol ar  power  gen era t io n  s y st em using , ”   vol. 2, no. 4, pp. 1183 - 1191,   201 3.     [4]   K.  Gos wam i,   B.   Pande y ,   D.  M.  A.  Hus saia n,   T.   K um ar,   and  K.  Kali a ,   “ Input  /  output   Buffe r  base d  Vedic   Multi pl ie r  Design  for  The r m al   Aw are   En er g y   Eff icien t  Dig it al  Signal  Proce ss ing  on  28nm   F PG A,”   Indian   Jo urnal   of   Sc ie nc e   and   Technol og y ,  vol. 9, no. March 2016, p p.   1 - 8,   doi:   10 . 17485/ijst/2016/ v9i10 /88 072.     [5]   G.  Vijay krishna  and  O.  C.   Shekhar ,   “ A  Thre e  Phase  7 - Le v el   and  9 - Le ve l  Reve rsi ng  Volta ge  Mult il ev el   Inve rt er,”   Indian  Journal   o f  Sc ie nc e  and   Te chnol ogy ,  vo l. 8, no. Sept ember   2 015,   pp .   1 – 10 ,   d oi:   10 . 17485/ijst /2 015/v8i .     [6]   M.  M.  A.  Al akk ad,   Z.   R asin,  M.  Rashee d,   W .   A.  Hali m ,   and   R.   O m ar,   “ Rea l - ti m e  sw it chi ng  th irt e e n - le ve l  m odifi ed   CHB - m ult il eve l   inve rte r  using   art ificial  neur a l  net work  te chn ique   base d  on  sele c ti ve  har m o nic   el imin at ion , ”   Indone s. J.   Elec t r.  Eng .   Co mput.   Sci .   ( IJE ECS) ,   v ol.   20 ,   no .   3 ,   202 0,   doi :  10 . 11591 /i jeec s.v20 . i3 . pp 1642 - 1652.     [7]   R.   Om ar,   M .   Ra shee d,   Z.  K.  Lo w,  and   M.  Sul aim an,   “ Design  an d  developm ent   o f  active  power   fi lt er   for  h armonic   m ini m iz at ion   usi ng  s y n chr onous  ref ere n ce fra m e   (SRF ), ”  ARPN  J .   Eng .   Appl.  S ci . ,   vol. 14, no. 2, 2 019.     [8]   J.  S.  Krism adi na ta a ,   Nasrudin  A bd.   Rahi m a  He w  W ooi  Pinga,   “ The   3  rd  Inte rn at ion al   Confer en ce   on  Sus ta in able  Future  for  Hum a n  Secur ity   Photovolt aic  m odule   m odel ing  using  sim uli nk/ m at la b , ”  Proce dia  En vir on.   Sci . ,   vol.   17 ,   no.   3 ,   2013 ,   pp .   537 - 546,   doi :  10 . 1016/j.proe nv . 2 013. 02. 069 .     [9]   N.  Nordin,   S y uh ada ,   R.   Om ar,   M.  Rashee d ,   A.   Sabar i,  and   K.  Krism adi nat a,  “ Harm onic   m inim iz at ion   of  a   th ree  phase   c asc ad ed hbridge   m ultile v el   inve rt ers, ”   in   I ET  Confe ren ce  Publ ic a ti ons ,   20 16 ,   no .   CP 688 ,  2 016 .     [10]   H.  F.  Hashim ,   R.   Om ar,   and  M.  Rashee d,   “ Design  and  anal y s is  of  a  thre e  ph a se  serie s  active   power  fil t er  (sap f)  base d  on  h y st eres is c ontroller , ” i n  IET  Conf ere nc e  Pub li ca ti ons ,   2 016,   no .   CP 688 ,  2016 .     [11]   M.  Rashee d ,   R .   Om ar,   and  M.   Sulai m an ,   “ Com p ara t ive   p erf orm a nce   of   m ult ileve l  inv ert er   for  h ar m onic   red uc ti o n   base d  on  N ewto n  rap hson, ”  in   I ET  Confe ren ce  Publ ic a ti ons ,   20 16,   no .   CP 688 ,  2 016 .     Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Ma nage men t s wi tc hin g a ng le s rea l - ti me pre dicti on   by arti fi ci al… ( Moha mm e d Ras hee d Ju ba ir  Al - Hiealy)   119   [12]   J.  Rodrígue z ,  St eff en  B ern et ,  Bi n  W u ,  Jorge  O.   Pontt ,  and  Sam ir  Kouro ,   “ Multi le ve l  Volta g e - S ourc e - Conver t er  Topol ogie s  for  Industria l  Medi um - Volta ge  Drive s,”   IEEE  Tr a ns.  Ind.   El ectron. ,   vol.   54,   no .   6,   pp.   2930 - 2945 ,   2007 ,   doi :  10 . 11 09/T IE . 2007. 90 7044 .     [13]   S.  S.  Patna ik  an d  A.  K.  Panda,   “ Thre e - le v el   H - bridge   and  thr ee   H - bridge s - base d  t hre e - phase   four - wire   shunt  ac t iv e   power  fil ter  topo logi es  for  high  v olt ag e  appl i catio ns,”   Int.   J.   E le c t r.  Powe r  Ene rgy   Syst. ,   vol .   5 1,   p p.   298 - 306,   Oct .   2013,   doi :  10 . 10 16/j . i je p es. 2013. 02. 037.     [14]   L.   M.   Tol b ert,  S.  Mem ber ,   and  F.  Z.   Peng ,   “ Multi l eve l   PW M  M et hods  at  Low  Modulat ion  Ind i ce s,”   IEEE  Tr ans.   POWE R El e ct ro n. ,   vol. 15, no. 4, pp. 719 - 725,   20 00 ,   doi :  10 . 1109 /63. 849042 .     [15]   H.  H.  W ang,   S.  Mem ber ,   A.  M.  Kham badkone ,   and  S.  Mem ber ,   “ Anal y t ic a l  Pow er  Loss  Eva luation  of  5  l eve l  H - Bridge   with  Co uple d  Induc tor  and  Serie s  Con nec t ed  H - Bridg e   for  PEBB  Applicati ons, ”  Pow e r  El ectron.  Dr ive  Syst.   2009 .   PE D S  2009 ,   vol. 1, p p.   458 - 463 ,   200 9 ,   doi :  10 . 1109/ PEDS . 2009. 5385922 .     [16]   M.  S.  Rosli   Om ar,   Moham m ed  Rashee d,   “ Fundam ent al  Studie s   of  a   Thr ee   Pha se  Casca d ed  H - Bridge   and  Dio de  Cla m ped  Mult il e vel   Inv erters Using  Matlab/Sim ul ink, ”   Int .   Re v .   A utom.   Control ,   v ol.   6 ,   no .   5 ,   2013 .     [17]   A.  Parka sh  and   S.  L.  S.  Ch at t erj i ,   “ Harm onic s  Eli m ina ti on  in   Cas ca de   Mul tilevel  Inve rte rs  Us ing  Newton - Raphson  and  Gene tic  Alg orit hm , ”  Int. J.  S ci .   R es.   De v. ,   vo l .   2 ,   no .   5 ,   pp .   23 6 - 239,   2014 .     [18]   M.  Sabahi,  A.  R .   M.  Ir ana q ,   K.  M.  Bahra m i,  K.  M.  Bahra m i,  an d  M.  B.   B .   Shari fia n,   “ Harm onic s  el imination  in   a   m ult i le ve l  inve rt er  with  unequa l  DC  source s  u sing  gene ti c  a lgori t hm , ”  2011  Int.   Conf.   El e ct r.  M ach.   Syst.   ICEM S  2011 ,   2011 ,   doi : 10.1109/ ICEMS.2011. 6073451 .     [19]   A.  Parka sh,  S.  L.   Shim i,   and  S.  Chat terji ,   “ Harm onic s  Reduc t ion   in  Casca de  H - Bridge   Multi l evel   Inve rte r s  Us ing  GA   and  PS O,”   v ol.   12 ,   no .   9 ,   pp .   453 – 465,   2014 ,  d oi: 10. 14445 /22 315381/IJET T - V12P 287 .     [20]   C.   Y.  H’ng,  B.   Ism ai l,   M.  Isa,   an d  M.  N.  K.  H.  R ohani ,   “ Selecti v e  har m onic   el imi nat ion  pulse  wid th  m odula ti on  for  five - l eve l   c asc ad ed  inv ert e r, ”   J .   T el e commun.  E l e ct ron.  Comput .   Eng. ,   vol .   10 ,   no .   1 - 14 ,   pp .   67 - 71 ,   2018 .     [21]   P.  G.,   “ Optimiz at ion  Te chn iques   for  Harm onic s  Minim iz at ion   in  Casc ade d  H y brid  Mul ti l ev el   Conver te rs:  a   Revi ew,”  In t. J. Re s. Eng.   Techn ol. ,   vol .   04 ,   no .   0 3,   pp .   188 - 193 ,   2015,   doi :  10 . 15 623/i jret. 2 015 . 0 403033.     [22]   R.   Taleb   and  A.   Meroufe l ,   “ Control   of  as y m m etr ic a l  m ult ilevel  i nver te r  using   artific i al   n eur a l  netw ork, ”  Elek tron.   ir E l ek trot ec hni k a ,   no .   8 ,   pp .   93 - 98,   2009 ,   doi :  10 . 5755/j 01 . e ee . 96 . 8. 9970 .     [23]   R.   T al eb ,   A.   M ero ufe l ,   and  P.   W ira ,   “ Harm onic   e li m ina t ion  co ntrol   of   an  inverter   b ase d  on   an   artificia l   neur al  net work strateg y, ”  I FA C   Proc . ,   v ol.   2 ,   no .   p art  1,   pp.   137 - 156 ,   20 09,   doi :  10 . 3182 /20090921 - 3 - TR - 3005. 00007.     [24]   M.  Mahe sh,   K  Krant hi,   and  P.   Singh,  “ Artifi ci al   Neura l  Net work  Based  Closed  Loop  Cont rol  of  Multi l ev el   Inve rte r , ”   Int .   J.  Mod.   Tr ends  Sc i .   Techno l. ,   no .   2 ,   2016.     [25]   W .   A.  H.  and  M.   M.  A.  Moham m ad  Rashe ed,  Rosli  Om ar,   Mar iza n  Sulai m an,  “ Artifi c ial  Int el l ige n ce   Te chn ique  to   Rea l - Ti m e  Base d  on  Sele ct ive   H armonic  El imina ti on  in  Modifie d   Multi le v e l  Inve rte r,”  J.   Eng .   Ap pl.   Sci. ,   vol .   14,   no.   24 ,   p .   9 ,   201 9.     [26]   H.  A.  Moham ed   and  H .   M.   D.  Habbi,   “ Pow er  qual ity   of  du al  t wo - le vel  inverte r  fed   op en  end  winding  indu ct i on   m otor, ”  Indone s.  J.   Elec tr .   Eng.   Comput.   Sci .   ( IJE ECS ) ,   vol.   18,   no .   2,   pp.   688 - 697,   2020,   d oi:   10. 11591/ijeecs. v18. i2. pp688 - 69 7.     [27]   M.  Rashee d,   R.   Om ar,   M.  Sul ai m an,   W .   A.  Hali m ,   and  M.  M.  A.  Alakka d,   “ Anal y sis  of  a  sw it chi ng  ang l e   ca l cul a ti on  b y   A NN   for  nine   le v e l  inve r te r  app l y   i nto  expe r imenta l   ca se  stud y   with  el imination  of  lo wer  and  hi ghe r   orde r  har m onic s , ”  Indone s.  J.   El e ct r.  Eng .   Co mput.   Sci.   ( IJE ECS) ,   vol.   20,   no.   2,   pp.   948 - 959,   2020,   doi:  10. 11591/ijeecs. v20. i2. pp948 - 95 9.     [28]   Moham ad  Ja y a ,   A.  S,  Jarra h,   M,   and  Muham ad,   M.   R ,  " Modeli n g  of  Ti N  coa ti ng   gra in  size   us ing   RS M  appr oac h, "   In  Appl i ed  M e chani cs  and  M ate rials ,   vo l.  7 54,   pp.   738 - 74 2,   Tr ans  Tech   Public a ti ons  Lt d ,  2015 ,   do i :   10. 4028/www . scie nti f ic.ne t /AMM . 754 - 755. 738 .     [29]   Jarra h,   M.   I ,   Ja ya,   A.   S.   M ,   Alqa tt an ,   Z.   N ,   Az am,  M.   A,  Abdullah,  R ,  Jarra h ,   H,   and  Abu - Khadrah,  A.   I ,  " A  novel  ex pla n at or y   h ybrid  artifi ci a l  b ee   col on y   al go rit hm   for  n um eri c al   fun ct ion   opti m iz a ti on . , "   The  Journal  of   Superc omputing ,   pp. 1 - 25 ,  2020 ,   doi :  10 . 1007/s11 227 - 019 - 03083 - 2 .    [30]   Jarra h,   M.   I.   M ,   Ja y a ,   A.   S.   M ,   A za m ,   M.   A,  Alqat ta n ,   Z.   N ,   Muham ad,   M.   R,   and  Abdulla h,   R ,  " Applicati on  of  Ba t   Algorit hm   in  Carbon  Nanotubes   Grow ing  P ro ce ss   Para m et ers   Optimiza ti on , "   In  Inte lligent   and  Inte ractive   Computing ,   pp .   179 - 192,   Spring er,   Sing apor e ,  2 019 ,  d o i :   1 0 . 1 0 0 7 / 9 7 8 - 9 8 1 - 13 - 6 0 3 1 - 2 _ 1 4 .     [31]   Jarra h,   M.   A.   I ,   Ja y a ,   A.   S.   M ,   Aza m ,   M.   A ,   Alsharif ,   M.   H,  a nd  Muham ad,   M.   R ,  " Inte llige nce   Inte gr ation  Of  Parti cle  Sw arm  Optimiza ti o n  And  Phy si ca l  Vap our  Depositi on  For  Ti n  Grain   S iz e  Coa ti ng  Proce ss   Para m et ers,"   Journal  of   Theoretical  &   Appl ie d  Information  Te c hnology ,   vol .   84 ,   no.   3,   2016 .     [32]   Jar rah ,   M.   I ,   Ja ya,   A.   S.   M ,   Aza m ,   M.   A ,   Muham ad,   M.   R,   and  Za in ,   A.   M,   " Prediction  of  Grai n  Size   in  the   T i N   Coat ing  U sing  Artifi c ia l  Neur al  Network, " Inte r nati onal  Journal   of  Applied  Eng i nee ring  R ese arc h ,   vol.   11 ,   no .   1 9 ,  pp.   9856 - 9869 ,  2016 .    [33]   Fauzi ,   N.  F,  Abdul  S y ukor  Moha m ad  Ja y a ,  M.   I.   Jarra h ,  Hus sain  Sali h  Akbar ,  "T hin  fil m   roughne ss   opti m iz at ion  i n   the   Ti N  coa t ings u sing g en et i c algorithms , "  J  The or A ppl  In f  Te ch nol ,   vo l.  95 ,   no .   2 4,   pp .   6690 - 66 98 ,   2017 .      Evaluation Warning : The document was created with Spire.PDF for Python.