西門子代理商  西門子一級代理商 西門子中國代理商

西門子數字量輸入模塊  西門子數字量輸入模塊

優勢

• *整合

SIMATIC HMI 基礎面板的性能經過優化，旨在與這個新控制器以及強大的集成工程組態*兼容，可確保實現簡化開發、快速啟動、精確監控和高等級的可用性。正是這些產品之間的相互協同及其創新性的功能，幫助您將小型自動化系統的效率提升到一個*的水平。

• 用于可擴展設計中緊湊自動化的模塊化概念。

SIMATIC S7-1200 具有集成的 PROFINET 接口、強大的集成技術功能和可擴展性強、靈活度高的設計。它實現了通信簡便，有效的技術任務解決方案，并*一系列的獨立自動化系統的 應用需求。

• 在工程組態中實現效率.

使用*集成的新工程組態 SIMATIC STEP 7 Basic，并借助 SIMATIC WinCC Basic 對 SIMATIC S7-1200 進行編程。SIMATIC STEP 7 Basic 的設計理念是直觀、易學和易用。這種設計理念可以使您在工程組態中實現效率。一些智能功能，例如直觀編輯器、拖放功能和“IntelliSense”（智能感知）工具，能讓您的工程進行的更加迅速。這款新軟件的體系結構源于對未來創新的不斷追求，西門子在軟件開發領域已經有很多年的經驗，因此 SIMATIC STEP 7 的設計是以未來為導向的。

To the top of the page

設計和功能

SIMATIC S7-1200 CPU

SIMATIC S7-1200 系統有三種不同模塊，分別為 CPU 1211C、CPU 1212C 和 CPU 1214C。其中的每一種模塊都可以進行擴展，以*您的系統需要?？稍谌魏?CPU 的前方加入一個信號板，輕松擴展數字或模擬量 I/O，同時不影響控制器的實際大小?？蓪⑿盘柲K連接至 CPU 的右側，進一步擴展數字量或模擬量 I/O 容量。CPU 1212C 可連接 2 個信號模塊，CPU 1214C 可連接 8 個信號模塊。后，所有的 SIMATIC S7-1200 CPU 控制器的左側均可連接多達 3 個通訊模塊，便于實現端到端的串行通訊。

安裝簡單方便

所有的 SIMATIC S7-1200 硬件都有內置的卡扣，可簡單方便地安裝在標準的 35 mm DIN 導軌上。這些內置的卡扣也可以卡入到已擴展的位置，當需要安裝面板時，可提供安裝孔。SIMATIC S7-1200 硬件可以安裝在水平或豎直的位置，為您提供其它安裝選項。這些集成的功能在安裝過程中為用戶提供了大的靈活性，并使 SIMATIC S7-1200 為各種應用提供了實用的解決方案。.

節省空間的設計

所有的 SIMATIC S7-1200 硬件都經過專門設計，以節省控制面板的空間。例如，經過測量，CPU 1214C 的寬度僅為 110 mm，CPU 1212C 和 CPU 1211C 的寬度僅為 90 mm。結合通信模塊和信號模塊的較小占用空間，在安裝過程中，該模塊化的緊湊系統節省了寶貴的空間，為您提供了效率和大靈活性。

SIMATIC S7-1200

可擴展的緊湊自動化的模塊化概念

SIMATIC S7-1200 具有集成的 PROFINET 接口、強大的集成技術功能和可擴展性強、靈活度高的設計。它實現了簡便的通信、有效的技術任務解決方案，并能*一系列的獨立自動化需求。

亮點

可擴展性強、靈活度高的設計

信號模塊：

大的 CPU 多可連接八個信號模塊，以便支持其它數字量和模擬量 I/O。

信號板：

可將一個信號板連接至所有的 CPU，讓您通過在控制器上添加數字量或模擬量 I/O 來自定義 CPU，同時不影響其實際大小。SIMATIC S7-1200 提供的模塊化概念可讓您設計控制器系統，以*您應用的需求。

內存

為用戶程序和用戶數據之間的浮動邊界提供多達 50 KB 的集成工作內存。同時提供多達 2 MB 的集成加載內存和 2 KB 的集成記憶內存?？蛇x的 SIMATIC 存儲卡可輕松轉移程序供多個 CPU 使用。該存儲卡也可用于存儲其它文件或更新控制器系統固件。

集成的 PROFINET 接口

集成的 PROFINET 接口用于進行編程以及 HMI 和 PLC-to-PLC 通信。另外，該接口支持使用開放以太網協議的第三方設備。該接口具有自動糾錯功能的 RJ45 連接器，并提供 10/100 兆比特/秒的數據傳輸速率。它支持多達 16 個以太網連接以及以下協議：TCP/IP native、ISO on TCP 和 S7 通信。

SIMATIC S7-1200 集成技術

SIMATIC S7-1200 具有用于進行計算和測量、閉環回路控制和運動控制的集成技術，是一個功能非常強大的系統，可以實現多種類型的自動化任務。

用于速度、位置或占空比控制的高速輸出

SIMATIC S7-1200 控制器集成了兩個高速輸出，可用作脈沖序列輸出或調諧脈沖寬度的輸出。當作為 PTO 進行組態時，以高達 100 千赫的速度 提供50% 的占空比脈沖序列，用于控制步進馬達和伺服驅動器的開環回路速度和位置。使用其中兩個高速計數器在內部提供對脈沖序列輸出的反饋。當作為 PWM 輸出進行組態時，將提供帶有可變占空比的固定周期數輸出，用于控制馬達的速度、閥門的位置或發熱組件的占空比。
PLCopen 運動功能塊

SIMATIC S7-1200 支持控制步進馬達和伺服驅動器的開環回路速度和位置。使用軸技術對象和認可的 PLCopen 運動功能塊，在工程組態 SIMATIC STEP 7 Basic 中可輕松組態該功能。除了“home”和“jog”功能，也支持移動、相對移動和速度移動。

驅動調試控制面板

工程組態 SIMATIC STEP 7 Basic 中隨附的驅動調試控制面板，簡化了步進馬達和伺服驅動器的啟動和調試操作。

它提供了單個運動軸的自動控制和手動控制，以及在線診斷信息。

用于閉環回路控制的 PID 功能

SIMATIC S7-1200 多可支持 16 個 PID 控制回路，用于簡單的過程控制應用。借助 PID 控制器技術對象和工程組態 SIMATIC STEP 7 Basic 中提供的支持編輯器，可輕松組態這些控制回路。另外，SIMATIC S7-1200 支持 PID 自動調整功能，可自動為節省時間、積分時間和微分時間計算調整值。

PID 調試控制面板

SIMATIC STEP 7 Basic 中隨附的 PID 調試控制面板，簡化了回路調整過程。它為單個控制回路提供了自動調整和手動控制功能，同時為調整過程提供了圖形化的趨勢視圖。

　　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。