西门子代理商 西门子6ES7215-1BG40-0XB0 西门子6ES7215-1BG40-0XB0

6ES7215-1BG40-0XB0

SIMATIC S7-1200，CPU 1215C， 紧凑型 CPU，AC/DC/继电器， 2 个 PROFINET 端口， 机载 I/O： 14 个 24V DC 数字输入；10 DO 继电器 2A， 2 AI 0-10V DC，2 AO 0-20mA DC， 电源：交流 47-63Hz 时 85-264V AC， 程序存储器/数据存储器 125 KB

更多图片

功能

• 丰富的指令集:
  运算种类众多，便于编程：
  • 基本操作,如二进制逻辑运算、结果赋值、存储、计数、产生时间、装载、传输、比较、移位、循环移位、产生补码、调用子程序（带局部变量）
  • 集成通信命令（例如，USS 协议、Modbus RTU、S7 通信“T-Send/T-Receive”（T 发送/T 接收）或自由端口模式 (Freeport)）
  • 使用简便的功能，如脉冲宽度调制、脉冲序列功能、运算功能、浮点运算功能、PID 闭环控制、跳转功能、环路功能和代码转换
  • 数学函数，例如 SIN、COS、TAN、LN、EXP
• 计数:
  用户友好的计数功能配以集成的计数器和高速计数器指令给用户开辟了新的应用领域。
• 中断处理：
  • 边沿触发中断（由过程信号的上升沿或下降沿触发）允许对过程中断作出极快的响应。
  • 时间触发中断。
  • 当达到设定值或计数器方向改变时，可触发计数器中断。
  • 通信中断使得能迅速方便地与周围的设备如打印机或条码阅读器交换信息。
• 口令保护
• 测试和诊断功能：
  易于使用的功能支持测试和诊断，例如，在线/离线诊断。
• 在测试和诊断过程中“强制”输入和输出：
  可不在循环周期内独立设置输入和输出，例如可以检测用户程序。
• 按照 PLCopen 对简单运动进行的运动控制。
• 库功能
•  

2011年底之前，Amit Chakraborty的团队将在试点项目中用真实的用电数据对新的软件进行测试。首先要对消费者的用电数据进行研究。为此，他们将会从数百万使用智能电表的消费者中收集相关数据。收集的数据会包括以下信息：用电量及用电时段。西门子的研究人员将会把从试点项目得出的结论和气象数据以及特殊事件（例如棒球决赛）信息结合起来。他们将使用这些原始数据为软件开发训练数据。然后，软件的算法将会精确地预测出短期用电负荷。

负荷预测并不是一项新发明。大家都知道，假期时数以百万的火鸡被放入微波炉时所造成的峰值负荷。但是这种粗糙的预测还不能满足可持续发展能源体系的要求。在美国，电力公司在管理负荷方面多年来一直依赖于市场规律。如果供电量增加，用电成本会下降。相反，电力供应紧张时，消费者就会减少用电量，否则就要多花钱。但是这种“需求响应”并不总能有效地发挥作用。如果消费者的行为和预期的不*，电力公司就必须马上生产或购买更多的电能。这种规律常常失效，并会产生更多的温室气体。“为避免这一情况，我们必须能够预测消费者在任何特定时刻的行为，”Chakraborty指出。

机器学习可以帮助降低扩建电网的成本。例如，Michael Metzger博士正在为西门子在慕尼黑开展的一个高级“智能电网”项目研究电网自动化。他和西门子中央研究院的其他专家一道开发出了一种学习算法，可以使用传感器测得的数据来计算电网的结构。“几十年以前埋下的供电电缆有多少，位置在哪里，现在一般基本找不到这种资料了，”他说。为了获得这种有关电网隐藏部分的基本信息，在电缆网络内安置了传感器。传感器可以提供某个位置的电流和电压数据。有了这种信息，就可能推断出电网结构。“电网运营商掌握这种信息后，就可以知道网络内有多少电力及其分布情况，” Metzger说到。西门子正在德国南部肯普滕市Allgäuer überlandwerke电力公司的部分电网中检验该估算方法。

查明故障信号。在服务行业，机器学习将会带来革命性的变化。西门子研究人员如今已不再满足于发现医疗诊断系统等昂贵设备出现故障后再去解决，而是要往前跨一大步。西门子美国研究院的Fabian Mörchen博士正在研发知识决策系统领域的学习系统，他说：“我们开发的程序可以有效预测核磁共振成像设备或核医学系统什么时候会发生故障。”这种方法的原理是，很多机器在发生故障前会发出预兆。Mörchen说：“关键是找到这种信号，并让它们可被察觉到。”这种信号包括电流、电压、噪声、震动、气压以及温度等的变化。

机器自带的传感器可以检测出自身的异常情况。在了解如何判断机器是否正常运转后，研究人员和其学习系统使用数据挖掘技术找出异常模式。一旦将一系列模式和某个故障联系起来，Mörchen团队就可以开发出相关算法，来训练计算机程序。这样，程序在处理之前没有见过的数据时也能够识别出这些模式。比如，MRI扫描器的低温氦泄露时，温度和压力只是发生了微乎其微的变化。得益于早期预警算法，西门子医疗的技术人员才盯住了这个问题，在机器出现故障前就修复了制冷系统。如今，在这种软件的帮助下，西门子服务团队不仅仅监视着3,500台MRI扫描仪，还可以进行预防性维护。这一战略使过去三年间的维修成本降低了580万美元。

西门子美国研究院的研究员Ciprian Raileanu领导开展的一个项目，是这类研究项目的先驱之一。开发的成果被用来监控桥梁。当时，美国交通部正想优化全国境内大约650,000座桥梁的维修工作。Raileanu团队和普林斯顿附近的罗格斯大学及其高级基础设施和交通研究中心联合开发了一种解决方案。