Poultry Feed Dispensing System Control: A Case between Fuzzy Logic Controller and PID Controller

Abstract

The application of precision agriculture in farming practices results in higher yield and productivity with lower costs. Several works have applied this concept to poultry farming in an attempt to reduce human involvement, stress, fatigue, wastage of poultry feed as well as provided a high return on investment. A number of these systems lack control techniques to improve the system performance. A few works exist that implemented control techniques to improve system response, but different systems were implemented and therefore, a comparison cannot be made. In this paper the performance comparison of the Fuzzy Logic Controller (FLC) and the PID Controller on the Poultry Feed Dispensing System was evaluated in a quest to determine the more efficient and effective controller. The system was modelled and simulated using MATLAB SIMULINK and the performance was evaluated based on the rise time, settling time, overshoot and Integrated Absolute Error (IAE). The results showed that the system implemented with the PID and FLC performed better than the system without a control technique. The PID gave a faster system response than the FLC in the solid feed subsystem with a difference in rise time, settling time and IAE of 9.72 seconds, 11.68 seconds and 4.74 respectively. The FLC performed better in the liquid feed subsystem with a difference in rise time, settling time, overshoot and IAE of 9.22 seconds, 33.07 seconds, 13.92% and 7.18 respectively. This shows that the PID controller is more suitable in the solid feed subsystem and the FLC is more effective in the liquid feed subsystem.

Metode Tuning Operating Range Fuzzy PID Controller pada Sistem Orde Tiga

“…Tuning pada bentuk MF dilaku kan dengan mengubah dari bentuk simetris ke asimetris [2], [11]. Tuning pada fuzzy rules dilaku kan dengan pengaturan consequence dan antecedent terhadap output fuzzy [12] - [14]. Tuning pada fuzzy controller juga dapat dilakukan dengan metode lain seperti scaling factor [15], [16].…”

“…Sementara Operating Range (OR) dari MF input/output hanya dibatasi pada angka tertentu saja. Sehingga menjad i sebuah pemahaman yang mutlak bahwa OR dari MF input/output tidak bisa dikembangkan [3], [6], [13], [14].…”

Evaluación de un sistema de alimentación avícola basado en lógica difusa

“…Al evaluar un controlador automático en comparación a un controlador difuso y un sistemas sin mecanismo de control, [5] encontrando que en los sistemas de alimentación sin controladores el comportamiento fue inadecuado, ellos encontraron que un controlador PID fue más eficiente que el sistema de control difuso, pero con una mayor tasa de sobre alimentación (6,89 %) en comparación al 0,50 % encontrado en el controlador difuso, sin embargo ambos sistemas fueron más eficientes que el sistema convencional. En el caso del consumo de agua se observa en la Tabla 4 que ocurrió un déficit de consumo en las primeras Evaluación de un sistema de alimentación avícola horas de las mañana que representó el 1,81 %, mientras que en el resto de la evaluación se observó una sobreestimación del consumo de agua, la eficiencia del sistema se ubicó en 99,08 % con una tasa de error de (-0,92 %).…”

“…La inteligencia artificial basada en la lógica difusa es más eficiente que los sistemas de alimentación tradicionales [4], dado que modela sistemas donde la respuesta no es lineal, esto en el caso de los sistemas de producción avícola permite un mejor reconocimiento de los patrones de consumo de los pollo, aumentando la eficiencia en el consumo de alimento y disminuyendo las pérdidas [5].…”