基于plc的病床呼叫系统控制设计

简介: 病床呼叫系统控制要求① 共有6个病房,每间病房4个床位。每一病床床头均有紧急呼叫按钮及重置按钮,以利病人不适时紧急呼叫;② 设每一层楼有一护士站,每一护士站均有该层楼病人紧急呼叫与处理完毕的重置按钮;③ 每一病床床头均有一紧急指示灯,一旦病人按下紧急呼叫按钮且未在5s内按下重置按钮时,该病床床头紧急指示灯动作且病房门口紧急指示灯闪烁,同时同楼层的护士站显示病房紧急呼叫并闪烁指示灯;④ 在护士站的病房紧急呼叫中心,每一病房都有编号,用指示灯显示哪一病房先按下病人紧急呼叫按钮,并要具有优先级判别的能力;⑤ 一旦护士看见护士站紧急呼叫闪烁灯后

明确设计内容和要求

病床呼叫系统控制要求

① 共有6个病房,每间病房4个床位。每一病床床头均有紧急呼叫按钮及重置按钮,以利病人不适时紧急呼叫;

② 设每一层楼有一护士站,每一护士站均有该层楼病人紧急呼叫与处理完毕的重置按钮;

③ 每一病床床头均有一紧急指示灯,一旦病人按下紧急呼叫按钮且未在5s内按下重置按钮时,该病床床头紧急指示灯动作且病房门口紧急指示灯闪烁,同时同楼层的护士站显示病房紧急呼叫并闪烁指示灯;

④ 在护士站的病房紧急呼叫中心,每一病房都有编号,用指示灯显示哪一病房先按下病人紧急呼叫按钮,并要具有优先级判别的能力;

⑤ 一旦护士看见护士站紧急呼叫闪烁灯后,须先按下护士处理按钮以取消闪烁情况,再依病房紧急呼叫顺序处理病房紧急事故,若事故处理妥当后,病房紧急闪烁指示灯和病床上的紧急指示灯方灯被重置。


阐述总体设计思路

通过对病床呼叫系统的PLC控制的设计任务和控制要求进行分析,可以初步得出设计方案:该病床呼叫系统由从机、主机等两部分组成。从机( 呼叫源) 即病床按钮,主机包括PLC 及指示灯报警系统。呼叫源每张病床配备一个, 呼叫源一般放在病床床头。患者有呼叫请求时, 按下手持式按钮向护士站呼叫。主机中PLC 工作方式为循环扫描方式, 在系统程序控制下,PLC 顺序读入输入端口各呼叫源的状态, 并且不断地循环扫描。一旦有呼叫按钮按下且未在5秒内按下重置按钮, PLC 立即响应, 通过设置的程序实现对系统的控制:点亮床头指示灯和护士站报警指示灯,并通过报警指示灯指出病房号;同时,病房门口报警指示灯也被点亮。并通过互锁实现优先级别判断的能力(即只有在护士处理完首先呼叫的病床后进行按钮置位后,其他病床方可继续呼叫,以实现优先级)。主机监控系统响应后,将出现相应的光报警指示,以便提示医护人员尽快赶到现场。此外,系统采用主从结构形式后, 主机中的PLC 还可以通过网线与计算机相接,将多个护士站联网构成病房监护管理中心。

因此初步选定如下装置:启动/复位开关48个(病床42个、护士站6个)、指示灯36个(病床24个、病房门口6个、护士站6个),并带有计时功能;设计要求PLC控制器为48入/36出,可以选用SIMATIC-S7-200系列的CPU226、三个EM221、两个EM222一个EM223扩展模块。通过互锁实现优先级别判断的能力。


PLC控制器的选择

SIMATIC S7-200系列是西门子公司的可编程控制器,这一系列产品可以满足多种多样的自动化控制要求,由于具有紧凑的设计、良好的扩展性、低廉的价格以及强大的指令,使得S7-200 PLC可以满足小规模的控制要求。此外,丰富的CPU类型和电压等级使其在解决用户的工业自动化问题时,具有很强的是适用性。


1台S7-200 PLC包括一个单独的S7-200 CPU,或者带有各种各样的可选扩展模块。S7-200 CPU模块包括一个中央处理单元(CPU)、电源以及数字量I/O点,这些都被集成在一个紧凑、独立的设备中。CPU负责执行程序和存储数据,以便对工业自动化控制任务或过程进行控制;输入和输出是系统的控制点:输入部分从现场设备中采集信号,输出部分则控制泵、电机、以及控也过程中的其他设备;电源向CPU 及其所连接的任何设备提供电力;通讯端口允许将S7-200 CPU同编程器或其他一些设备连起来;状态信号灯显示了CPU 的工作模式(运行或停止),本机I/O的当前状态,以及检查出来的系统错误;通过扩展模块可提供其通讯性能;通过扩展模块可增加CPU的I/O点数(CPU 221不扩展);一些CPU有内置的实时时钟,或添加实时时钟卡;EEPROM卡可以存储CPU程序,也可以将一个CPU中的程序送到另一个CPU中;通过可选的插入式电池盒可延长RAM中的数据存储时间;最大I/O配置。


通过对病床呼叫系统的PLC控制的设计任务和控制要求进行分析,确定的设计方案要求PLC控制器为48入/36出,考虑到要留有一些可扩展的单元,故可以选用SIMATIC-S7-200系列的CPU226、三个EM221、两个EM222一个EM223扩展模块。


PLC控制系统设计

I/O分配表

f9b64bfaa54c9884944e5c978749918.png

2c3e33b64912d0a52242dec72974bee.png

I/O接线图设计(详见下载)


程序流程图

77413a1e87d21649824f7fd2b79268f.png

梯形图设计(详见下载)


指令表(详见下载)


程序调试方式及过程说明


运用STEP 7-MicroWIN V3.1(西门子S7-200编程软件)编写的梯形图程序,并注意选择对应的PLC型号(CPU224)。编译无错误后使用引出命令将梯形图程序存成后缀为.awl格式的可执行程序文件并保存在你设定的文件夹中(如bchjxt.awl)。


打开西门子s7-200仿真程序汉化版,输入密码,设定PLC的CPU型号为CPU224,打开“程序”使用“装载程序”命令将bchjxt.awl程序文件载入仿真程序软件中,点击命令“切换到运行状态”,打开“查看“使用”内存监视“命令输入你所要观察的输入输出的位。


通过对仿真程序中指示灯的运行状态的观察来检验程序是否准确,并对错误部分进行修改,完成程序。


在程序运行过程中可以配合秒表,手表等器材大概的估计时间的准确性,并实时的对错误的程序段进行标记,以方便后面的修正工作。最好有两个人分工协作对程序校验,以免一个人分心做不同的事而造成不必要的错误。


(其余完整详见下载)


相关文章
|
存储 固态存储 Java
Elasticsearch中查询性能优化
Elasticsearch中查询性能优化
557 0
|
3月前
|
监控 网络安全 C语言
【2026最新】GX Works2安装使用保姆级教程(附安装包+图文步骤)
GX Works2是三菱电机官方PLC编程软件,专为FX/L/Q系列设计,替代GX Developer。支持梯形图、ST、SFC等多种语言,集成仿真调试、在线监控与结构化编程,功能更强、界面更优。(239字)
|
8月前
|
传感器 算法 物联网
室内定位无线技术的分类和原理全解析(一)
室内定位无线技术通过射频、声波、光信号等解决卫星信号无法覆盖的盲区,实现人员、物资精准定位。主流技术分射频、声波、光学及新兴四大类,涵盖蓝牙、UWB、Wi-Fi、红外、可见光、毫米波等,适用于工业、医疗、园区等多场景,各具精度、成本与部署优势。
|
12月前
|
安全 Java 数据库连接
2025 年最新 Java 学习路线图含实操指南助你高效入门 Java 编程掌握核心技能
2025年最新Java学习路线图,涵盖基础环境搭建、核心特性(如密封类、虚拟线程)、模块化开发、响应式编程、主流框架(Spring Boot 3、Spring Security 6)、数据库操作(JPA + Hibernate 6)及微服务实战,助你掌握企业级开发技能。
1285 3
|
机器学习/深度学习 编解码 人工智能
快手封号怎么申诉才能成功?
快手封号申诉技术解析
|
JSON 数据挖掘 API
解析京东商品评论API:评价情感分析与行业应用案例
京东商品评论API由京东开放平台提供,支持分页查询、评分筛选、时间排序等功能,适用于舆情分析与竞品调研。可获取评论内容、评分、用户信息等20+字段,返回JSON格式数据,包含总评论数、评分汇总及具体评论列表。
|
机器学习/深度学习 人工智能 算法
《搞懂朴素贝叶斯:先验概率与后验概率的深度剖析》
朴素贝叶斯算法在文本分类、垃圾邮件过滤等领域广泛应用。先验概率基于历史数据或经验,是对事件发生概率的初步估计;后验概率则结合新证据,通过贝叶斯定理更新概率估计,更准确反映实际情况。掌握这两者及贝叶斯定理,能更好地应用该算法解决实际问题。
1153 24
|
数据采集 算法 数据挖掘
10余位大佬+10余年经验的结晶:Python数据分析与挖掘实战
LinkedIn 对全球超过3.3亿用户的工作经历和技能进行分析后得出,目前最炙手可热的25 项技能中,数据挖掘排名第一。那么数据挖掘是什么? 数据挖掘是从大量数据(包括文本)中挖掘出隐含的、先前未知的、对决策有潜在价值的关系、模式和趋势,并用这些知识和规则建立用于决策支持的模型,提供预测性决策支持的方法、工具和过程。数据挖掘有助于企业发现业务的趋势,揭示已知的事实,预测未知的结果,因此“数据挖掘”已成为企业保持竞争力的必要方法。 今天给小伙伴们分享的Python数据分析与数据挖掘手册是10余位数据挖掘领域资深专家和科研人员,10余年大数据挖掘咨询与实施经验结晶。从数据挖掘的应用出发,以电力、
527 13
做了多年开发的你发现自己的水平一直上不去,一篇文章教你如何提高开发水平的方法(二)
做了多年开发的你发现自己的水平一直上不去,一篇文章教你如何提高开发水平的方法
做了多年开发的你发现自己的水平一直上不去,一篇文章教你如何提高开发水平的方法(二)
|
数据采集 数据可视化 数据挖掘
数据挖掘实战:使用Python进行数据分析与可视化
在大数据时代,Python因其强大库支持和易学性成为数据挖掘的首选语言。本文通过一个电商销售数据案例,演示如何使用Python进行数据预处理(如处理缺失值)、分析(如销售额时间趋势)和可视化(如商品类别销售条形图),揭示数据背后的模式。安装`pandas`, `numpy`, `matplotlib`, `seaborn`后,可以按照提供的代码步骤,从读取CSV到数据探索,体验Python在数据分析中的威力。这只是数据科学的入门,更多高级技术等待发掘。【6月更文挑战第14天】
1650 11

热门文章

最新文章