西门子S7-200 SMART如何组态系统块,CPU、信号板和扩展模块的组态

简介: 上篇文章中我们学习了西门子S7-200 SMART查看符号名和绝对地址及符号表相关操作,本篇我们来介绍如何在编程软件STEP7-Micro/WIN SMART中组态系统块。系统块可提供对S7-200 SMART CPU、信号板和扩展模块的组态,下面我们将分别进行介绍。

上篇文章中我们学习了西门子S7-200 SMART查看符号名和绝对地址及符号表相关操作,本篇我们来介绍如何在编程软件STEP7-Micro/WIN SMART中组态系统块。系统块可提供对S7-200 SMART CPU、信号板和扩展模块的组态,下面我们将分别进行介绍。


640.jpg

S7-200 SMART的系统块

 

CPU的组态。在项目树中双击系统块打开,对话框顶部显示已经组态的模块,底部显示在顶部选择的模块选项。首先选择CPU,单击通信节点,在以太网端口选项中设置CPU的固定IP地址,在背景时间选项中,组态专门用于处理通讯请求的扫描周期时间百分比,在RS485端口选项中设置本机RS485端口的地址和波特率等通信参数。


640.jpg

设置CPU的固定IP地址

 

单击数字量输入节点,S7-200 SMART CPU允许为部分或所有数字量输入点选择一个定义时延的输入滤波器,帮助过滤输入接线上的干扰脉冲,默认滤波时间为6.4毫秒,使能脉冲捕捉功能,可以捕捉出现时间极短的信号转换脉冲。


640.jpg

设置CPU的固定IP地址

 

单击数字量输入节点,S7-200 SMART CPU允许为部分或所有数字量输入点选择一个定义时延的输入滤波器,帮助过滤输入接线上的干扰脉冲,默认滤波时间为6.4毫秒,使能脉冲捕捉功能,可以捕捉出现时间极短的信号转换脉冲。


640.jpg

定义输入滤波器时延

 

单击数字量输出节点,当CPU处于STOP模式时,可以将数字量输出点设定为特定值,或者将输出冻结在RUN切换到STOP转换后的最后一个状态。


640.jpg

将数字量输出点设定为特定值

 

单击保持范围节点,选择在发生循环上电时将保持的存储器范围,可以为V区、M区、定时器和计数器。在默认情况下,CPU中未定义保持区域。


640.jpg

定义存储器保持范围

 

单击安全节点,在密码选项中通过修改密码权限,可以控制对CPU的访问和修改。S7-200 SMART CPU提供四级密码保护,默认密码级别是完全权限。在通信写保护选项中,可以将通信写入限制在V存储器的一定范围内,在串行端口选项中可以设置允许在没有密码的情况下,通过串行端口进行CPU模式更改,以及日期时钟的读取和写入。


640.jpg

修改CPU密码权限

 

单击启动节点,在CPU模式选项中选择CPU启动后的模式为STOP、RUN或LAST。在硬件选项中组态在缺少硬件配置内的指定设备,或者硬件配置与实际设备不符导致配置错误时,是否允许CPU以RUN模式运行。


640.jpg

选择CPU启动后的模式

 

信号板的组态。信号板为通信板时,单击通信节点,根据实际设备设置类型、地址、波特率等通信参数,信号板为数字量输入输出、模拟量输出时,相关组态与CPU扩展模块中的组态相同。


640.jpg

信号板为通信板的组态

 

扩展模块的组态。这里我们只介绍模拟量输入输出模块的组态,单击模块参数节点,组态是否启用模块电源报警。


640.jpg


启用模块电源报警

 

单击模拟量输入节点中的通道0,通道0的地址为AIW64,类型组态为电压或者电流。注意为通道0选择的类型也适用于通道1,为通道2选择的类型也适用于通道3。范围,组态通道的电压范围或电流范围。拒绝,组态对信号进行抑制、消除或最小化某个频率点的噪声。平滑,组态模块在指定周期数内平滑输入,从而将一个平均值传送到CPU中,报警选项中组态是否启用超出上限和超出下限报警。


640.jpg

模拟量输入通道的组态

 

单击模拟量输出节点中的通道0,通道0的地址为AQW64,每条模拟量输出通道允许单独组态类型为电压或电流,然后组态通道的电压范围或电流范围,当CPU处于STOP模式时可将模拟量输出点设定为特定值,或者将输出冻结在切换到STOP模式前的最后一个状态。在报警选项中组态是否启用相关报警,对电流通道为断线报警,对电压通道为短路报警,组态完成后单击确定按钮。


640.jpg


模拟量输出通道的组态

 

本篇我们学习了如何在西门子S7-200 SMART的系统块中组态 CPU、信号板和扩展模块,下篇文章我们继续学习西门子S7-200 SMART的相关内容,欢迎持续关注。

相关文章
|
2月前
|
弹性计算 人工智能 Serverless
阿里云ACK One:注册集群云上节点池(CPU/GPU)自动弹性伸缩,助力企业业务高效扩展
在当今数字化时代,企业业务的快速增长对IT基础设施提出了更高要求。然而,传统IDC数据中心却在业务存在扩容慢、缩容难等问题。为此,阿里云推出ACK One注册集群架构,通过云上节点池(CPU/GPU)自动弹性伸缩等特性,为企业带来全新突破。
|
1天前
|
Windows
【Azure App Service】对App Service中CPU指标数据中系统占用部分(System CPU)的解释
在Azure App Service中,CPU占比可在App Service Plan级别查看整个实例的资源使用情况。具体应用中仅能查看CPU时间,需通过公式【CPU Time / (CPU核数 * 60)】估算占比。CPU百分比适用于可横向扩展的计划(Basic、Standard、Premium),而CPU时间适用于Free或Shared计划。然而,CPU Percentage包含所有应用及系统占用的CPU,高CPU指标可能由系统而非应用请求引起。详细分析每个进程的CPU占用需抓取Windows Performance Trace数据。
56 40
|
1月前
|
存储 人工智能 vr&ar
转载:【AI系统】CPU 基础
CPU,即中央处理器,是计算机的核心部件,负责执行指令和控制所有组件。本文从CPU的发展史入手,介绍了从ENIAC到现代CPU的演变,重点讲述了冯·诺依曼架构的形成及其对CPU设计的影响。文章还详细解析了CPU的基本构成,包括算术逻辑单元(ALU)、存储单元(MU)和控制单元(CU),以及它们如何协同工作完成指令的取指、解码、执行和写回过程。此外,文章探讨了CPU的局限性及并行处理架构的引入。
转载:【AI系统】CPU 基础
|
1月前
|
人工智能 缓存 并行计算
转载:【AI系统】CPU 计算本质
本文深入探讨了CPU计算性能,分析了算力敏感度及技术趋势对CPU性能的影响。文章通过具体数据和实例,讲解了CPU算力的计算方法、算力与数据加载之间的平衡,以及如何通过算力敏感度分析优化计算系统性能。同时,文章还考察了服务器、GPU和超级计算机等平台的性能发展,揭示了这些变化如何塑造我们对CPU性能的理解和期待。
转载:【AI系统】CPU 计算本质
|
5月前
|
缓存 监控 Linux
在Linux中,如何看当前系统有几颗物理CPU和每颗CPU的核数?
在Linux中,如何看当前系统有几颗物理CPU和每颗CPU的核数?
|
2月前
|
人工智能 缓存 并行计算
【AI系统】CPU 计算本质
本文深入探讨了CPU计算性能,分析了算力敏感度及技术趋势对CPU性能的影响。文章通过具体数据和实例,解释了算力计算方法、数据加载与计算的平衡点,以及如何通过算力敏感度分析优化性能瓶颈。同时,文章还讨论了服务器、GPU和超级计算机等不同计算平台的性能发展趋势,强调了优化数据传输速率和加载策略的重要性。
67 4
|
2月前
|
存储 人工智能 编译器
【AI系统】CPU 指令集架构
本文介绍了指令集架构(ISA)的基本概念,探讨了CISC与RISC两种主要的指令集架构设计思路,分析了它们的优缺点及应用场景。文章还简述了ISA的历史发展,包括x86、ARM、MIPS、Alpha和RISC-V等常见架构的特点。最后,文章讨论了CPU的并行处理架构,如SISD、SIMD、MISD、MIMD和SIMT,并概述了这些架构在服务器、PC及嵌入式领域的应用情况。
103 4
|
2月前
|
存储 人工智能 vr&ar
【AI系统】CPU 基础
CPU,即中央处理器,是计算机的核心组件,负责执行指令和数据计算,协调计算机各部件运作。自1946年ENIAC问世以来,CPU经历了从弱小到强大的发展历程。本文将介绍CPU的基本概念、发展历史及内部结构,探讨世界首个CPU的诞生、冯·诺依曼架构的影响,以及现代CPU的组成与工作原理。从4004到酷睿i系列,Intel与AMD的竞争推动了CPU技术的飞速进步。CPU由算术逻辑单元、存储单元和控制单元三大部分组成,各司其职,共同完成指令的取指、解码、执行和写回过程。
58 3
|
2月前
|
缓存 人工智能 算法
【AI系统】CPU 计算时延
CPU(中央处理器)是计算机系统的核心,其计算时延(从指令发出到完成所需时间)对系统性能至关重要。本文探讨了CPU计算时延的组成,包括指令提取、解码、执行、存储器访问及写回时延,以及影响时延的因素,如时钟频率、流水线技术、并行处理、缓存命中率和内存带宽。通过优化这些方面,可以有效降低计算时延,提升系统性能。文中还通过具体示例解析了时延产生的原因,强调了内存时延对计算速度的关键影响。
48 0
|
3月前
|
运维 JavaScript Linux
容器内的Nodejs应用如何获取宿主机的基础信息-系统、内存、cpu、启动时间,以及一个df -h的坑
本文介绍了如何在Docker容器内的Node.js应用中获取宿主机的基础信息,包括系统信息、内存使用情况、磁盘空间和启动时间等。核心思路是将宿主机的根目录挂载到容器,但需注意权限和安全问题。文章还提到了使用`df -P`替代`df -h`以获得一致性输出,避免解析错误。