Resumen

Como una variante importante de los modelos de cómputo de membrana, se introdujeron los sistemas neuronales de picos con razonamiento difuso (FRSN P systems) para establecer un vínculo entre los sistemas P y las aplicaciones de diagnóstico de fallas. Un sistema FRSN P ofrece una ilustración intuitiva basada en una expresión estrictamente matemática, una buena capacidad de tolerancia a fallas, una buena descripción de las relaciones entre dispositivos de protección y fallas, y un proceso comprensible de construcción de modelos de diagnóstico. Sin embargo, la implementación de los sistemas FRSN P sigue siendo un proceso manual, que es laborioso y difícil, especialmente imposible de realizar en sistemas de energía complejos a gran escala. Este proceso manual limita seriamente el uso de los sistemas FRSN P para diagnosticar fallas en sistemas de energía complejos a gran escala y ha sido un desafío continuo durante muchos años. En este trabajo desarrollamos un método de implementación automática para cumplir automáticamente la tarea difícil, llamado método de diagnóstico de fallas de cómputo

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Computación de membrana; Sistemas neuronales de espigas con razonamiento difuso; Aplicaciones de diagnóstico de fallos; Capacidad tolerante a fallos; Método de implementación automática; Sistemas de energía complejos a gran escala
• Keywords:Membrane computing; Fuzzy reasoning spiking neural P systems; Fault diagnosis applications; Fault-tolerant capacity; Automatic implementation method; Large-scale complex power systems