西门子代理商 西门子6ES7215-1HG40-0XB0 西门子6ES7215-1HG40-0XB0

6ES7215-1HG40-0XB0

SIMATIC S7-1200，CPU 1215C， 紧凑型 CPU，DC/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：直流 20.4-28.8V DC， 程序存储器/数据存储器 125 KB

更多图片

英国和俄罗斯的铁路公司用于监视其列车车队的全新系统也以该程序为蓝本。这种学习软件使用的数据一部分来自火车各种子系统上的传感器，比如监视刹车和车门的传感器，另一部分则来自列车时刻表和故障报告。这种被称为列车远程服务桌面（RRSD）的系统综合所有数据，计算出某个时刻每辆列车的位置，判断是否需要对其进行维护等。目前，RRSD正在监视175辆列车——西门子不仅提供软件，还提供自动化部件。

使用神经网络，学习系统可以预测轮机的运行标准及其排放量（如需了解更多信息，请参阅第54页）。

驾驭复杂数据。学习软件的另一个主要应用领域是燃气轮机——在这方面，学习软件的基础主要是神经网络。这种系统能在数秒之间作出关于排放量和轮机运转情况的预测。轮机受无数因素之间复杂关系的影响，研究人员一般只能通过统计手段去评估，因为很多值都只能粗略地估算出来。传统的数学公式需要精确的数字，因此在这种研究中不是很实用。但想要使轮机达到最长的使用寿命，实现的运转状态，同时将其排放量降到最低，就必须精确地估算并预测数千种设置的影响。

为此，位于慕尼黑的西门子智能系统与控制全球技术领域（GTF）部门的Volkmar Sterzing及其CT团队开发了一种可以实现以上功能的新方法。使用所谓的递归神经网络，研究人员可以描绘燃气轮机的整个运转过程，并准确预测其产出。Sterzing解释说：“过去，我们只能了解到这些过程在某一时刻的状态。而现在，使用这个新方法，我们可以掌握在这个特定时刻之前及之后的运行情况。”Sterzing表示，利用这种方法，研究人员不仅可以查明过去发生了什么，还可以预见未来会发生什么。这种动态的描绘可以确认其中的变化，充分利用有利的变化，同时弱化可能产生负面影响的变化，并相应地调整维保计划。

未来，个人能源代理将使用装有学习软件的专业电表箱（左图）来操作顾客和电力公司之间的电力交易。

CT研究人员已经将他们从燃气轮机中学到的知识应用在相关领域内，例如优化风电机组及整个风电场。作为热心航海比赛船员的一份子，Sterzing知道在比赛中每时每刻都需要关注波浪、风速和对手的船只，这样才能决定驾驭船只的方式。否则，如果无法预测未来的变化，就不能规划最合适的路线。在这种办法的启发下，他为风电机组发明了一种软件系统，这种系统的基础是能够测量大约十种因素的传感器，包括风速、乱流度、温度和气压。算法将这些数据和风电场发电量联系起来，这样软件就能够从数以千计的关系中学习并学会如何在新情况下应用已有的知识。

西门子研究人员现在正在测试该系统。

随着对不同情况的学习，系统越来越擅长独立预测，知道哪种情况下，旋转叶片的入射角或发电机速度快慢的改变，使得风电机组能够从风中获得最大的产出。这种方法可以将风电机组的产出提高0.5个百分点。听起来似乎不多，但是对一个大型风电场而言就是很显著的效果。在过去的六个月里，瑞典Lillgrund风电场进行的实验已经表明，正是得益于从自己的行为中独立学习的能力，即所谓的自主学习，风电场提高了发电量，这相当于额外添加了一台风电机组所生产的电量。

从声音中学习——高效节能

将电弧炉中的铁块熔炼成钢板会产生大量噪声。重量各异的铁块，有的甚至像汽车那么大，在三个强大的电弧下熔化时来回滑动。虽然电弧的温度高达一万摄氏度，有时也不能将熔化的铁块焊接起来，而将能量消耗到炉壁上。熔炉产生的噪声震耳欲聋。三相交流电电极的电弧产生大约120分贝的噪声，比喷气式飞机的噪声都大。Detlef Rieger是慕尼黑西门子中央研究院的非破坏性试验全球技术领域（GTF）部门的项目经理，Thomas Matschullat就职于爱尔兰根的冶金技术部门。正是这样巨大的噪声使两位科学家不得不认真思考这一问题。两人想知道该如何监视和控制熔炼过程，以减少能源的浪费。

他们在熔炉外壁挂上传感器，这样就可以测出熔炉内部产生的声波。除此之外，他们还持续不断地监视电极产生的电流。Rieger说：“把电极数据和声波测量结果结合起来。我们的算法可以计算出电弧和炉壁之间产生的是哪种声音振荡。通过这个信息，我们可以推断出熔炉内部每时每刻的情况。”在熔化的最初阶段，系统已经掌握足够的信息可以确定熔炉内部各个铁块的位置，从而判断出单个电极的输出是增加还是减少。在熔炼的第二阶段，确保铁块中碎屑异物形成的矿渣尽可能均匀地分布在熔化的金属表层，这很关键。为此，将煤灰吹入熔炉中，在矿渣上形成一层一氧化碳泡沫。这一层泡沫保护了电弧和熔化的金属，避免炉壁的温度过高。这样就减少了能源消耗。软件不断地通过解读声波数据来测量含有泡沫的矿渣是否足够厚，分布是否均匀，因此该过程被命名为“IMELT Foaming Slag Manager（IMELT泡沫煤渣管理器）。”德国的两家炼钢厂和白俄罗斯的一家炼钢厂都在使用这个系统，并成功地将能耗降低了2.3%。Rieger说：“例如，按照100吨钢材的成本计算，差不多相当于每小时节省了920 度电。”而且，炼钢厂每年的煤炭消耗量降低了25%，二氧化碳排放量减少了12,000吨。