西門子代理商  西門子一級代理商 西門子中國代理商

西門子模擬量模塊卡件  西門子模擬量模塊卡件

　S7-300

　　一般步驟

　　S7-300自動化系統采用模塊化設計。它擁有豐富的模塊，且這些模塊均可以獨立地組合使用。

　　一個系統包含下列組件：

　　CPU：

　　不同的 CPU 可用于不同的性能范圍，包括具有集成 I/O 和對應功能的 CPU 以及具有集成 PROFIBUS DP、PROFINET 和點對點接口的 CPU。 用于數字量和模擬量輸入/輸出的信號模塊 (SM)。 用于連接總線和點對點連接的通信處理器 (CP)。 用于高速計數、定位（開環/閉環）及 PID 控制的功能模塊（FM）。

　　根據要求，也可使用下列模塊：

　　用于將 SIMATIC S7-300 連接到 120/230 V AC 電源的負載電源模塊(PS)。 接口模塊 (IM)，用于多層配置時連接中央控制器 (CC) 和擴展裝置 (EU)。

　　通過分布式中央控制器 (CC) 和 3 個擴展裝置 (EU)，SIMATIC S7-300 可以操作多達 32 個模塊。所有模塊均在外殼中運行，并且無需風扇。 SIPLUS 模塊可用于擴展的環境條件：

　　適用于 -25 至 +60℃ 的溫度范圍及高濕度、結露以及有霧的環境條件。防直接日曬、雨淋或水濺，在防護等級為 IP20 機柜內使用時，可直接在汽車或室外建筑使用。不需要空氣調節的機柜和 IP65 外殼。

　　設計

　　簡單的結構使得 S7-300 使用靈活且易于維護：

　　安裝模塊：

　　只需簡單地將模塊掛在安裝導軌上，轉動到位然后鎖緊螺釘。 集成的背板總線：

　　背板總線集成到模塊里。模塊通過總線連接器相連，總線連接器插在外殼的背面。 模塊采用機械編碼，更換極為容易：

　　更換模塊時，必須擰下模塊的固定螺釘。按下閉鎖機構，可輕松拔下前連接器。前連接器上的編碼裝置防止將已接線的連接器錯插到其他的模塊上。 現場證明可靠的連接：

　　對于信號模塊，可以使用螺釘型、彈簧型或絕緣刺破型前連接器。 TOP 連接：

　　為采用螺釘型接線端子或彈簧型接線端子連接的 1 線 - 3 線連接系統提供預組裝接線另外還可直接在信號模塊上接線。 規定的安裝深度：

　　所有的連接和連接器都在模塊上的凹槽內，并有前蓋保護。因此，所有模塊應有明確的安裝深度。 無插槽規則:

　　信號模塊和通信處理器可以不受限制地以任何方式連接。系統可自行組態。

　　擴展

　　若用戶的自動化任務需要 8 個以上的 SM、FM 或 CP 模塊插槽時，則可對 S7-300（除 CPU 312 和 CPU 312C 外）進行擴展：

　　中央控制器和3個擴展機架多可連接32個模塊：

　　總共可將 3 個擴展裝置（EU）連接到中央控制器（CC）。每個 CC/EU 可以連接八個模塊。 通過接口模板連接：

　　每個 CC / EU 都有自己的接口模塊。在中央控制器上它總是在 CPU 旁邊的插槽中，并自動處理與擴展裝置的通信。 通過 IM 365 擴展：

　　1 個擴展裝置遠擴展距離為 1 米；電源電壓也通過擴展裝置提供。 通過 IM 360/361 擴展：

　　3 個擴展裝置， CC 與 EU 之間以及 EU 與 EU 之間的遠距離為 10m。 單獨安裝：

　　對于單獨的 CC/EU，也能夠以更遠的距離安裝。兩個相鄰 CC/EU 或 EU/EU 之間的距離：長達 10m。 靈活的安裝選項：

　　CC/EU 既可以水平安裝，也可以垂直安裝。這樣可以大限度滿足空間要求。

　　通信

　　S7-300 具有不同的通信接口：

　　連接 AS-Interface、PROFIBUS 和 PROFINET/工業以太網總線系統的通信處理器。 用于點到點連接的通信處理器 多點接口 (MPI), 集成在 CPU 中；

　　是一種經濟有效的方案，可以同時連接編程器/PC、人機界面系統和其它的 SIMATIC S7/C7 自動化系統。

　　PROFIBUS DP進行過程通信

　　SIMATIC S7-300 通過通信處理器或通過配備集成 PROFIBUS DP 接口的 CPU 連接到 PROFIBUS DP 總線系統。通過帶有 PROFIBUS DP 主站/從站接口的 CPU,可構建一個高速的分布式自動化系統，并且使得操作大大簡化。

　　從用戶的角度來看，PROFIBUS DP 上的分布式I/O處理與集中式I/O處理沒有區別（相同的組態，編址及編程）。

　　以下設備可作為主站連接：

　　SIMATIC S7-300

　?。ㄍㄟ^帶 PROFIBUS DP 接口的 CPU 或 PROFIBUS DP CP） SIMATIC S7-400

　?。ㄍㄟ^帶 PROFIBUS DP 接口的 CPU 或 PROFIBUS DP CP） SIMATIC C7

　?。ㄍㄟ^帶 PROFIBUS DP 接口的 C7 或 PROFIBUS DP CP） SIMATIC S5-115U/H、S5-135U 和 S5-155U/H，帶IM 308 SIMATIC 505

　　出于性能原因，每條線路上連接的主站不得超過 2 個。

　　以下設備可作為從站連接：

　　ET 200 分布式 I/O 設備 S7-300，通過 CP 342-5 CPU 313C-2 DP, CPU 314C-2 DP, CPU 314C-2 PN/DP, CPU 315-2 DP, CPU 315-2 PN/DP, CPU 317-2 DP, CPU 317-2 PN/DP and CPU 319-3 PN/DP C7-633/P DP, C7-633 DP, C7-634/P DP, C7-634 DP, C7-626 DP, C7-635, C7-636 現場設備

　　雖然帶有 STEP 7 的編程器/PC 或 OP 是總線上的主站，但是只使用 MPI 功能，另外通過 PROFIBUS DP 也可部分提供 OP 功能。

　　通過 PROFINET IO 進行過程通信

　　SIMATIC S7-300 通過通信處理器或通過配備集成 PROFINET 接口的 CPU 連接到 PROFINET IO 總線系統。通過帶有 PROFIBUS 接口的 CPU,可構建一個高速的分布式自動化系統，并且使得操作大大簡化。

　　從用戶的角度來看，PROFINET IO 上的分布式I/O處理與集中式I/O處理沒有區別（相同的組態，編址及編程）。

　　可將下列設備作為 IO 控制器進行連接：

　　SIMATIC S7-300

　?。ㄊ褂门鋫?PROFINET 接口或 PROFINET CP 的 CPU） SIMATIC ET 200

　?。ㄊ褂门鋫?PROFINET 接口的 CPU） SIMATIC S7-400

　?。ㄊ褂门鋫?PROFINET 接口或 PROFINET CP 的 CPU）

　　可將下列設備作為 IO 設備進行連接：

　　ET 200 分布式 I/O 設備 ET 200S IM151-8 PN/DP CPU, ET 200pro IM154-8 PN/DP CPU SIMATIC S7-300

　?。ㄊ褂门鋫?PROFINET 接口或 PROFINET CP 的 CPU） 現場設備

　　通過 AS-Interface 進行過程通信

　　S7-300 所配備的通信處理器 (CP 342-2) 適用于通過 AS-Interface 總線連接現場設備（AS-Interface 從站）。

　　更多信息，請參見通信處理器。

　　通過 CP 或集成接口（點對點）進行數據通信

　　通過 CP 340/CP 341 通信處理器或 CPU 313C-2 PtP 或 CPU 314C-2 PtP 的集成接口，可經濟有效地建立點到點連接。有三種物理傳輸介質支持不同的通信協議：

　　20 mA (TTY)（僅 CP 340/CP 341） RS 232C/V.24（僅 CP 340/CP 341） RS 422/RS 485

　　可以連接以下設備：

　　SIMATIC S7、SIMATIC S5 自動化系統和其他公司的系統 打印機 機器人控制 掃描器，條碼閱讀器，等

　　特殊功能塊包括在通信功能手冊的供貨范圍之內。

　　使用多點接口 (MPI) 進行數據通信

　　MPI（多點接口）是集成在 SIMATIC S7-300 CPU 上的通信接口。它可用于簡單的網絡任務。

　　MPI 可以同時連接多個配有 STEP 7 的編程器/PC、HMI 系統（OP/OS）、S7-300 和 S7-400。 全局數據：

　　“全局數據通信”服務可以在聯網的 CPU 間周期性地進行數據交換。 一個 S7-300 CPU 可與多達 4 個數據包交換數據，每個數據包含有 22 字節數據，可同時有 16 個 CPU 參與數據交換（使用 STEP 7 V4.x）。

　　例如，可以允許一個 CPU 訪問另一個 CPU 的輸入/輸出。只可通過 MPI 接口進行全局數據通信。 內部通信總線(C-bus)：

　　CPU 的 MPI 直接連接到 S7-300 的 C 總線。因此，可以通過 MPI 從編程器直接找到與 C 總線連接的 FM/CP 模塊的地址。 功能強大的通信技術： 多達 32 個 MPI 節點。 使用 SIMATIC S7-300/-400 的 S7 基本通信的每個 CPU 有多個通信接口。 使用編程器/PC、SIMATIC HMI 系統和 SIMATIC S7-300/400 的 S7 通信的每個 CPU 有多個通信接口。 數據傳輸速率 187.5 kbit/s 或 12 Mbit/s 靈活的組態選項：

　　可靠的組件用于建立 MPI 通信： PROFIBUS 和“分布式 I/O”系列的總線電纜、總線連接器和 RS 485 中繼器。使用這些組件，可以根據需求實現設計的化調整。例如，任意兩個MPI節點之間多可以開啟10個中繼器，以橋接更大的距離。

查明故障信號。在服務行業，機器學習將會帶來革命性的變化。西門子研究人員如今已不再滿足于發現醫療診斷系統等昂貴設備出現故障后再去解決，而是要往前跨一大步。西門子美國研究院的Fabian Mörchen博士正在研發知識決策系統領域的學習系統，他說：“我們開發的程序可以有效預測核磁共振成像設備或核醫學系統什么時候會發生故障。”這種方法的原理是，很多機器在發生故障前會發出預兆。Mörchen說：“關鍵是找到這種信號，并讓它們可被察覺到。”這種信號包括電流、電壓、噪聲、震動、氣壓以及溫度等的變化。

機器自帶的傳感器可以檢測出自身的異常情況。在了解如何判斷機器是否正常運轉后，研究人員和其學習系統使用數據挖掘技術找出異常模式。一旦將一系列模式和某個故障聯系起來，Mörchen團隊就可以開發出相關算法，來訓練計算機程序。這樣，程序在處理之前沒有見過的數據時也能夠識別出這些模式。比如，MRI掃描器的低溫氦泄露時，溫度和壓力只是發生了微乎其微的變化。得益于早期預警算法，西門子醫療的技術人員才盯住了這個問題，在機器出現故障前就修復了制冷系統。如今，在這種軟件的幫助下，西門子服務團隊不僅僅監視著3,500臺MRI掃描儀，還可以進行預防性維護。這一戰略使過去三年間的維修成本降低了580萬美元。

西門子美國研究院的研究員Ciprian Raileanu開展的一個項目，是這類研究項目的之一。開發的成果被用來監控橋梁。當時，美國交通部正想優化全國境內大約650,000座橋梁的維修工作。Raileanu團隊和普林斯頓附近的羅格斯大學及其高級基礎設施和交通研究中心聯合開發了一種解決方案。

自主學習提高了風電場的發電量，相當于增加了一臺風電機組。

Raileanu說：“根據橋梁傳感器資料、檢測報告、氣象資料、橋梁基建圖等歷史數據和來自警方的事故記錄、照片等，系統能夠獨立判斷橋梁的狀態。”他還補充道：“我們還從這些紛雜的數據中找到了模式。”在這些模式的基礎上，相關算法可了解由于某些因素共同作用可能會導致怎樣的后果。例如，如果某座橋梁于1976年建在強降雨地區，并使用了梁鐵，那么，30年后橋墩很有可能就會出現裂縫。美國交通部自2008年以來就一直在使用這種橋梁監視程序。

英國和俄羅斯的鐵路公司用于監視其列車車隊的全新系統也以該程序為藍本。這種學習軟件使用的數據一部分來自火車各種子系統上的傳感器，比如監視剎車和車門的傳感器，另一部分則來自列車時刻表和故障報告。這種被稱為列車遠程服務桌面（RRSD）的系統綜合所有數據，計算出某個時刻每輛列車的位置，判斷是否需要對其進行維護等。目前，RRSD正在監視175輛列車——西門子不僅提供軟件，還提供自動化部件。

使用神經網絡，學習系統可以預測輪機的運行標準及其排放量（如需了解更多信息，請參閱第54頁）。

駕馭復雜數據。學習軟件的另一個主要應用領域是燃氣輪機——在這方面，學習軟件的基礎主要是神經網絡。這種系統能在數秒之間作出關于排放量和輪機運轉情況的預測。輪機受無數因素之間復雜關系的影響，研究人員一般只能通過統計手段去評估，因為很多值都只能粗略地估算出來。傳統的數學公式需要精確的數字，因此在這種研究中不是很實用。但想要使輪機達到長的使用壽命，實現的運轉狀態，同時將其排放量降到低，就必須精確地估算并預測數千種設置的影響。

為此，位于慕尼黑的西門子智能系統與控制技術領域（GTF）部門的Volkmar Sterzing及其CT團隊開發了一種可以實現以上功能的新方法。使用所謂的遞歸神經網絡，研究人員可以描繪燃氣輪機的整個運轉過程，并準確預測其產出。Sterzing解釋說：“過去，我們只能了解到這些過程在某一時刻的狀態。而現在，使用這個新方法，我們可以掌握在這個特定時刻之前及之后的運行情況。”Sterzing表示，利用這種方法，研究人員不僅可以查明過去發生了什么，還可以預見未來會發生什么。這種動態的描繪可以確認其中的變化，充分利用有利的變化，同時弱化可能產生負面影響的變化，并相應地調整維保計劃。

未來，個人能源代理將使用裝有學習軟件的專業電表箱（左圖）來操作顧客和電力公司之間的電力交易。

CT研究人員已經將他們從燃氣輪機中學到的知識應用在相關領域內，例如優化風電機組及整個風電場。作為熱心航海比賽船員的一份子，Sterzing知道在比賽中每時每刻都需要關注波浪、風速和對手的船只，這樣才能決定駕馭船只的方式。否則，如果無法預測未來的變化，就不能規劃合適的路線。在這種辦法的啟發下，他為風電機組發明了一種軟件系統，這種系統的基礎是能夠測量大約十種因素的傳感器，包括風速、亂流度、溫度和氣壓。算法將這些數據和風電場發電量聯系起來，這樣軟件就能夠從數以千計的關系中學習并學會如何在新情況下應用已有的知識。

西門子研究人員現在正在測試該系統。

隨著對不同情況的學習，系統越來越擅長獨立預測，知道哪種情況下，旋轉葉片的入射角或發電機速度快慢的改變，使得風電機組能夠從風中獲得大的產出。這種方法可以將風電機組的產出提高0.5個百分點。聽起來似乎不多，但是對一個大型風電場而言就是很顯著的效果。在過去的六個月里，瑞典Lillgrund風電場進行的實驗已經表明，正是得益于從自己的行為中獨立學習的能力，即所謂的自主學習，風電場提高了發電量，這相當于額外添加了一臺風電機組所生產的電量。

從聲音中學習——高效節能

將電弧爐中的鐵塊熔煉成鋼板會產生大量噪聲。重量各異的鐵塊，有的甚至像汽車那么大，在三個強大的電弧下熔化時來回滑動。雖然電弧的溫度高達一萬攝氏度，有時也不能將熔化的鐵塊焊接起來，而將能量消耗到爐壁上。熔爐產生的噪聲震耳欲聾。三相交流電電極的電弧產生大約120分貝的噪聲，比噴氣式飛機的噪聲都大。Detlef Rieger是慕尼黑西門子中央研究院的非破壞性試驗技術領域（GTF）部門的項目經理，Thomas Matschullat就職于愛爾蘭根的冶金技術部門。正是這樣巨大的噪聲使兩位科學家不得不認真思考這一問題。兩人想知道該如何監視和控制熔煉過程，以減少能源的浪費。

他們在熔爐外壁掛上傳感器，這樣就可以測出熔爐內部產生的聲波。除此之外，他們還持續不斷地監視電極產生的電流。Rieger說：“把電極數據和聲波測量結果結合起來。我們的算法可以計算出電弧和爐壁之間產生的是哪種聲音振蕩。通過這個信息，我們可以推斷出熔爐內部每時每刻的情況。”在熔化的初階段，系統已經掌握足夠的信息可以確定熔爐內部各個鐵塊的位置，從而判斷出單個電極的輸出是增加還是減少。在熔煉的第二階段，確保鐵塊中碎屑異物形成的礦渣盡可能均勻地分布在熔化的金屬表層，這很關鍵。為此，將煤灰吹入熔爐中，在礦渣上形成一層一氧化碳泡沫。這一層泡沫保護了電弧和熔化的金屬，避免爐壁的溫度過高。這樣就減少了能源消耗。軟件不斷地通過解讀聲波數據來測量含有泡沫的礦渣是否足夠厚，分布是否均勻，因此該過程被命名為“IMELT Foaming Slag Manager（IMELT泡沫煤渣管理器）。”德國的兩家煉鋼廠和白俄羅斯的一家煉鋼廠都在使用這個系統，并成功地將能耗降低了2.3%。Rieger說：“例如，按照100噸鋼材的成本計算，差不多相當于每小時節省了920 度電。”而且，煉鋼廠每年的煤炭消耗量降低了25%，二氧化碳排放量減少了12,000噸。