《工业控制网络安全技术与实践》一2.4.2 人机界面

简介: 本文讲的是工业控制网络安全技术与实践一2.4.2 人机界面,本节书摘来华章计算机《工业控制网络安全技术与实践》一书中的第2章,第2.4.2节,姚 羽 祝烈煌 武传坤 编著 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。

2.4.2 人机界面

本文讲的是工业控制网络安全技术与实践一2.4.2 人机界面,人机界面(Human-Machine Interface,HMI)是连接可编程逻辑控制器(PLC)、变频器、直流调速器、仪表等工业控制设备,利用显示屏显示,通过输入单元(如触摸屏、键盘、鼠标等)写入工作参数或输入操作命令,实现人与机器信息交互的数字设备。
人机界面产品由硬件和软件两部分组成,硬件部分包括处理器单元、显示单元、输入单元、通信接口、数据存储单元等,其中处理器的性能决定了HMI产品的性能高低,是HMI的核心单元。根据HMI的产品等级不同,处理器可分别选用8位、16位、32位的处理器。HMI软件一般分为两部分,即运行于HMI硬件中的系统软件和运行于PC Windows操作系统下的画面组态软件(如JB-HMI画面组态软件)。使用者都必须先使用HMI的画面组态软件制作“工程文件”,再通过PC和HMI产品的串行通信口,把编制好的“工程文件”下载到HMI的处理器中运行[15]。人机界面硬件构成如图2-6所示。

screenshot

目前市场上流行的人机界面产品的品牌和种类比较繁多,但都具有以下基本功能:
1)设备工作状态显示,如指示灯、按钮、文字、图形、曲线等。
2)数据、文字输入操作,打印输出。
3)生产配方存储,设备生产数据记录。
4)简单的逻辑和数值运算。
5)可连接多种工业控制设备组网。
人机界面的特点包括如下几个方面。
1)实时性:人机界面对各种事件的响应具有一定的时限要求,具有实时处理事件的特性。
2)并发处理:在实际环境中,需实时处理的外部事件往往不是单一的,而这些事件都是随机发生的,有可能同时出现。因此,需具有分布和并发处理的特点。
3)系统可裁剪:由于人机界面在各种设备上使用的功能不同,且存储的容量非常有限,因此需尽量把一些冗余的功能删除。这就要求系统设计是模块化的,能够根据不同的需求选择不同的模块。
4)可靠性:人机界面产品一般都安装在特定的机器设备上,有些机器需要长时间运行,工作环境恶劣,必须保证设备在运行的过程中不出错。
5)通用性:人机界面应用广泛,在不同的机器设备上所需要的功能都有所不同,开发人员不可能为不同的应用开发不同的产品,因此需要开发的人机界面适应于不同的工作环境。
人机界面产品的种类很多,包括如下几种。
1)薄膜键输入的人机界面,显示尺寸小于5.7寸(1寸=3.33cm),画面组态软件免费,属初级产品。如POP-HMI 小型人机界面。
2)触摸屏输入的人机界面,显示屏尺寸为5.7~12.1寸,画面组态软件免费,属中级产品。
3)基于平板计算机的、多种通信口的、高性能的人机界面,显示尺寸大于10.4寸,画面组态软件收费,属高端产品。
随着数字电路和计算机技术的发展,未来的人机界面产品在功能上的高、中、低划分将越来越不明显,HMI的功能将越来越丰富;5.7寸以上的HMI产品将全部是彩色显示屏,屏的寿命也将更长。由于计算机硬件成本的降低,HMI产品将以平板计算机为HMI硬件的高端产品为主,因为这种高端的产品在处理器速度、存储容量、通信接口种类和数量、组网能力、软件资源共享上都有较大的优势,是未来HMI产品的发展方向。当然,对于小尺寸的(显示尺寸小于5.7寸)HMI产品,由于其在体积和价格上的优势,随着其功能的进一步增强(如增加I/O功能),将在小型机械设备的人机交互应用中得到广泛应用。

原文标题:工业控制网络安全技术与实践一2.4.2 人机界面

相关文章
|
6月前
|
机器学习/深度学习 算法 计算机视觉
m基于yolov2网络的火焰烟雾检测系统matlab仿真,包含GUI界面
YOLOv2算法在MATLAB 2022a中用于火焰烟雾检测,展示了多张检测结果图,成功定位火源和烟雾。该系统基于单次前向传播的深度神经网络,关键改进包括网络架构优化和损失函数设计,结合分类和回归误差。训练涉及ResNet-50预训练模型,使用SGDM优化器,75%数据用于训练,剩余25%为测试。代码示例展示了网络构建、训练选项设置和目标检测器的训练过程。
44 1
|
6月前
|
机器学习/深度学习 算法 安全
m基于深度学习网络的中药识别系统matlab仿真,包含GUI界面
在MATLAB 2022a中,一个基于GoogLeNet的中药识别系统展示了其仿真效果,通过6张图像展示了识别流程。该系统利用深度学习解决传统识别方法的局限,尤其是借助CNN自动提取中药图像特征。核心程序涉及数据集加载、分割、预训练模型加载以及网络调整,如替换GoogLeNet的特征学习层和分类器层以适应中药分类任务。
62 1
|
6月前
|
机器学习/深度学习 算法 计算机视觉
m基于深度学习网络的性别识别系统matlab仿真,带GUI界面
m基于深度学习网络的性别识别系统matlab仿真,带GUI界面
68 2
|
6月前
|
机器学习/深度学习 数据采集 人工智能
m基于深度学习网络的手势识别系统matlab仿真,包含GUI界面
m基于深度学习网络的手势识别系统matlab仿真,包含GUI界面
124 0
|
6月前
|
机器学习/深度学习 监控 算法
m基于深度学习网络的活体人脸和视频人脸识别系统matlab仿真,带GUI界面
m基于深度学习网络的活体人脸和视频人脸识别系统matlab仿真,带GUI界面
92 0
|
2月前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
108 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
|
3月前
|
机器学习/深度学习 监控 算法
基于深度学习网络的人员行为视频检测系统matlab仿真,带GUI界面
本仿真展示了基于GoogLeNet的人员行为检测系统在Matlab 2022a上的实现效果,无水印。GoogLeNet采用创新的Inception模块,高效地提取视频中人员行为特征并进行分类。核心程序循环读取视频帧,每十帧执行一次分类,最终输出最频繁的行为类别如“乐队”、“乒乓球”等。此技术适用于智能监控等多个领域。
70 4
|
6月前
|
机器学习/深度学习 并行计算 算法
m基于深度学习网络的瓜果种类识别系统matlab仿真,带GUI界面
m基于深度学习网络的瓜果种类识别系统matlab仿真,带GUI界面
63 0
|
5月前
|
机器学习/深度学习 算法 计算机视觉
基于CNN卷积神经网络的金融数据预测matlab仿真,带GUI界面,对比BP,RBF,LSTM
这是一个基于MATLAB2022A的金融数据预测仿真项目,采用GUI界面,比较了CNN、BP、RBF和LSTM四种模型。CNN和LSTM作为深度学习技术,擅长序列数据预测,其中LSTM能有效处理长序列。BP网络通过多层非线性变换处理非线性关系,而RBF网络利用径向基函数进行函数拟合和分类。项目展示了不同模型在金融预测领域的应用和优势。
|
6月前
|
机器学习/深度学习 存储 算法
m基于Yolov2深度学习网络的螺丝检测系统matlab仿真,带GUI界面
MATLAB 2022a中展示了YOLOv2算法的螺丝检测仿真结果,该系统基于深度学习的YOLOv2网络,有效检测和定位图像中的螺丝。YOLOv2通过批标准化、高分辨率分类器等优化实现速度和精度提升。核心代码部分涉及设置训练和测试数据,调整图像大小,加载预训练模型,构建YOLOv2网络并进行训练,最终保存检测器模型。
58 3
下一篇
无影云桌面