西门子代理商  西门子一级代理商 西门子中国代理商

西门子数字量输入模块  西门子数字量输入模块

优势

• *整合

SIMATIC HMI 基础面板的性能经过优化，旨在与这个新控制器以及强大的集成工程组态*兼容，可确保实现简化开发、快速启动、精确监控和高等级的可用性。正是这些产品之间的相互协同及其创新性的功能，帮助您将小型自动化系统的效率提升到一个*的水平。

• 用于可扩展设计中紧凑自动化的模块化概念。

SIMATIC S7-1200 具有集成的 PROFINET 接口、强大的集成技术功能和可扩展性强、灵活度高的设计。它实现了通信简便，有效的技术任务解决方案，并*一系列的独立自动化系统的 应用需求。

• 在工程组态中实现效率.

使用*集成的新工程组态 SIMATIC STEP 7 Basic，并借助 SIMATIC WinCC Basic 对 SIMATIC S7-1200 进行编程。SIMATIC STEP 7 Basic 的设计理念是直观、易学和易用。这种设计理念可以使您在工程组态中实现效率。一些智能功能，例如直观编辑器、拖放功能和“IntelliSense”（智能感知）工具，能让您的工程进行的更加迅速。这款新软件的体系结构源于对未来创新的不断追求，西门子在软件开发领域已经有很多年的经验，因此 SIMATIC STEP 7 的设计是以未来为导向的。

To the top of the page

设计和功能

SIMATIC S7-1200 CPU

SIMATIC S7-1200 系统有三种不同模块，分别为 CPU 1211C、CPU 1212C 和 CPU 1214C。其中的每一种模块都可以进行扩展，以*您的系统需要。可在任何 CPU 的前方加入一个信号板，轻松扩展数字或模拟量 I/O，同时不影响控制器的实际大小。可将信号模块连接至 CPU 的右侧，进一步扩展数字量或模拟量 I/O 容量。CPU 1212C 可连接 2 个信号模块，CPU 1214C 可连接 8 个信号模块。后，所有的 SIMATIC S7-1200 CPU 控制器的左侧均可连接多达 3 个通讯模块，便于实现端到端的串行通讯。

安装简单方便

所有的 SIMATIC S7-1200 硬件都有内置的卡扣，可简单方便地安装在标准的 35 mm DIN 导轨上。这些内置的卡扣也可以卡入到已扩展的位置，当需要安装面板时，可提供安装孔。SIMATIC S7-1200 硬件可以安装在水平或竖直的位置，为您提供其它安装选项。这些集成的功能在安装过程中为用户提供了大的灵活性，并使 SIMATIC S7-1200 为各种应用提供了实用的解决方案。.

节省空间的设计

所有的 SIMATIC S7-1200 硬件都经过专门设计，以节省控制面板的空间。例如，经过测量，CPU 1214C 的宽度仅为 110 mm，CPU 1212C 和 CPU 1211C 的宽度仅为 90 mm。结合通信模块和信号模块的较小占用空间，在安装过程中，该模块化的紧凑系统节省了宝贵的空间，为您提供了效率和大灵活性。

SIMATIC S7-1200

可扩展的紧凑自动化的模块化概念

SIMATIC S7-1200 具有集成的 PROFINET 接口、强大的集成技术功能和可扩展性强、灵活度高的设计。它实现了简便的通信、有效的技术任务解决方案，并能*一系列的独立自动化需求。

亮点

可扩展性强、灵活度高的设计

信号模块：

大的 CPU 多可连接八个信号模块，以便支持其它数字量和模拟量 I/O。

信号板：

可将一个信号板连接至所有的 CPU，让您通过在控制器上添加数字量或模拟量 I/O 来自定义 CPU，同时不影响其实际大小。SIMATIC S7-1200 提供的模块化概念可让您设计控制器系统，以*您应用的需求。

内存

为用户程序和用户数据之间的浮动边界提供多达 50 KB 的集成工作内存。同时提供多达 2 MB 的集成加载内存和 2 KB 的集成记忆内存。可选的 SIMATIC 存储卡可轻松转移程序供多个 CPU 使用。该存储卡也可用于存储其它文件或更新控制器系统固件。

集成的 PROFINET 接口

集成的 PROFINET 接口用于进行编程以及 HMI 和 PLC-to-PLC 通信。另外，该接口支持使用开放以太网协议的第三方设备。该接口具有自动纠错功能的 RJ45 连接器，并提供 10/100 兆比特/秒的数据传输速率。它支持多达 16 个以太网连接以及以下协议：TCP/IP native、ISO on TCP 和 S7 通信。

SIMATIC S7-1200 集成技术

SIMATIC S7-1200 具有用于进行计算和测量、闭环回路控制和运动控制的集成技术，是一个功能非常强大的系统，可以实现多种类型的自动化任务。

用于速度、位置或占空比控制的高速输出

SIMATIC S7-1200 控制器集成了两个高速输出，可用作脉冲序列输出或调谐脉冲宽度的输出。当作为 PTO 进行组态时，以高达 100 千赫的速度 提供50% 的占空比脉冲序列，用于控制步进马达和伺服驱动器的开环回路速度和位置。使用其中两个高速计数器在内部提供对脉冲序列输出的反馈。当作为 PWM 输出进行组态时，将提供带有可变占空比的固定周期数输出，用于控制马达的速度、阀门的位置或发热组件的占空比。
PLCopen 运动功能块

SIMATIC S7-1200 支持控制步进马达和伺服驱动器的开环回路速度和位置。使用轴技术对象和认可的 PLCopen 运动功能块，在工程组态 SIMATIC STEP 7 Basic 中可轻松组态该功能。除了“home”和“jog”功能，也支持移动、相对移动和速度移动。

驱动调试控制面板

工程组态 SIMATIC STEP 7 Basic 中随附的驱动调试控制面板，简化了步进马达和伺服驱动器的启动和调试操作。

它提供了单个运动轴的自动控制和手动控制，以及在线诊断信息。

用于闭环回路控制的 PID 功能

SIMATIC S7-1200 多可支持 16 个 PID 控制回路，用于简单的过程控制应用。借助 PID 控制器技术对象和工程组态 SIMATIC STEP 7 Basic 中提供的支持编辑器，可轻松组态这些控制回路。另外，SIMATIC S7-1200 支持 PID 自动调整功能，可自动为节省时间、积分时间和微分时间计算调整值。

PID 调试控制面板

SIMATIC STEP 7 Basic 中随附的 PID 调试控制面板，简化了回路调整过程。它为单个控制回路提供了自动调整和手动控制功能，同时为调整过程提供了图形化的趋势视图。

　　可靠的组件用于建立 MPI 通信： PROFIBUS 和“分布式 I/O”系列的总线电缆、总线连接器和 RS 485 中继器。使用这些组件，可以根据需求实现设计的化调整。例如，任意两个MPI节点之间多可以开启10个中继器，以桥接更大的距离。

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开展的一个项目，是这类研究项目的之一。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。

自主学习提高了风电场的发电量，相当于增加了一台风电机组。

Raileanu说：“根据桥梁传感器资料、检测报告、气象资料、桥梁基建图等历史数据和来自警方的事故记录、照片等，系统能够独立判断桥梁的状态。”他还补充道：“我们还从这些纷杂的数据中找到了模式。”在这些模式的基础上，相关算法可了解由于某些因素共同作用可能会导致怎样的后果。例如，如果某座桥梁于1976年建在强降雨地区，并使用了梁铁，那么，30年后桥墩很有可能就会出现裂缝。美国交通部自2008年以来就一直在使用这种桥梁监视程序。

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。但想要使轮机达到长的使用寿命，实现的运转状态，同时将其排放量降到低，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。