高端推荐帖新的1200G2已经上手用了一段时间了，看参数带轴能力大大加强，但是平时也用不上，没什么体会，正好有项目用到定位轴，虽然我的应用比较简单，谈不上什么深刻体会，但整体感觉还是挺方便的。下面简单说说组态的过程：工艺对象做位置轴控制时，报文要选择3。 新建工艺对象，选择位置轴双机工艺对象组态，配置参数，不同应用时的不同设置部分如下。第一种：无限回转轴时，可以直接选择模数轴，填上模数角度值。这样输出的位置就在0-360之间循环了。因为是无限回转，所以不用设置软限位第二种：普通回转轴，选择旋转即可普通回转时，注意设置合适的软限位范围第三种：行走轴，选择线性轴即可注意设置合适的软限位然后是不同应用共通的设置如下：选择驱动装置：选择编码器：注意编码器类型要选择循环绝对编码器。数据交换参数，尽量选择运行时自动应用（在线）。 这样工艺对象在PLC启动时会自动获得相应参数。线性轴需要填写齿轮比与螺距，实际我项目是齿轮齿条传动，这时候螺距就相当于减速机齿轮的有效周长。 旋转轴的话，因为是角度，每圈位移就是360°，所以仅需要填写齿轮比。填写动态默认值，设置合理的速度、加速度、以及斜坡时间。保证轴运行的动态效果顺畅丝滑，不卡顿。再设置动态限制设置。设置最大速度与最大加速度和斜坡时间（加速度与斜坡时间实际是相关联的，自动换算） 此处要注意，动态默认值一定是要小于动态限制值的，另外回转轴时，尤其要注意，所设置的速度值，要考虑减速比，还原到电机转速时，是否小于额定转速。如果超过额定转速的话，工艺对象会有相应警告，虽然能够复位掉，但也要尽量避免，保证参数的合理性。合理设置位置监视，与跟随误差，使系统响应迅速，跟随性高。至此，轴的组态就完成了，直接调用对应的MC功能块，基本上轴就能动起来了。
探秘西门子工业新产品｜SIMATIC S7-1200 G2 紧凑型PLC全新升级，重塑小型自动化标杆?在中小型自动化场景中，紧凑高效、稳定可靠、高性价比的PLC，一直是设备厂商与工厂技改的核心刚需。老牌经典机型迭代升级，总能带来颠覆性体验！今天带大家深度探秘西门子全新迭代力作——SIMATIC S7-1200 G2 新一代紧凑型控制器，传承经典、全面焕新，精准适配中小型设备、产线自动化升级需求，解锁轻量化工控新体验！作为S7-1200系列的全新继任版本，S7-1200 G2并非简单的参数微调，而是从硬件结构、运算性能、安全功能、智能互联四大维度全面升级，兼顾极致空间利用率、高效运算能力与灵活拓展性，完美适配当下智能制造轻量化、精细化、智能化的发展趋势。?? 硬件重构：更小体积，更强集成针对工业现场机柜空间紧张、布线繁琐的痛点，S7-1200 G2完成了硬件结构的全面优化。整机导轨占用空间缩减25%，机身更轻薄紧凑，大幅降低机柜布局压力，尤其适配小型单机设备、非标自动化、模块化产线等空间受限场景。同时搭载可移动式高密度端子排，优化信号板拓展逻辑，在精简体积的同时保留充足的拓展空间，硬件布局更规整、布线更便捷，后期运维检修效率大幅提升，彻底解决传统紧凑型PLC“占地大、拓展弱、布线乱”的难题。? 性能跃升：算力翻倍，从容应对复杂工况性能升级是S7-1200 G2的核心亮点！全新高性能处理器加持，指令执行速度提升50%，运算响应更迅捷，可轻松应对高频逻辑运算、实时控制场景。存储配置全面扩容，装载存储器从经典款4MB升级至8MB，工作内存同步优化升级，完美支撑多轴运动控制、复杂工艺逻辑、多任务并行处理等高阶需求。相较于上一代产品，G2版本在高速点位控制、连续工艺控制、数据实时采集运算中稳定性更强，响应延迟更低，既能满足常规单机自动化控制，也能适配中小型产线联动、精准运动控制等进阶场景，适配吹塑、灌装、打标、包装、物流输送等多行业设备应用。??? 功能革新：安全集成+智能互联，解锁全新体验本次迭代最大的突破之一，就是原生集成安全功能。无需额外加装安全模块，CPU本体即可实现安全控制，大幅降低设备安全改造的硬件成本与接线复杂度，为中小型设备提供高性价比的安全自动化解决方案，契合工业安全生产合规需求。智能互联能力全面进阶，搭载NFC近场通信、集成Web服务器与Web API，支持无线快速读取设备诊断信息、查看运行状态、调试参数。无需拆机、无需外接编程设备，手机即可快速完成设备巡检、故障排查、远程调试，大幅降低运维门槛，让小型设备也能拥有数字化、智能化运维能力。通信兼容性持续升级，可无缝适配SINAMICS S200、S210、V90等主流伺服驱动器，运动控制适配性拉满，助力用户搭建低成本、高稳定的运动控制系统。? 兼容传承：无缝迁移，升级零压力很多用户担心设备迭代、程序迁移成本高？S7-1200 G2完美解决这一顾虑！整机完全兼容上一代S7-1200程序与硬件生态，支持项目无缝迁移，无需大规模改写程序、无需重构设备架构，老设备改造、新机替换均可快速落地，大幅节约升级时间与人力成本。同时产品序列持续优化，主推1212、1214核心型号，覆盖从小型单机到中小型产线的全场景需求，标准化程度更高、选型更简洁，适配批量设备量产与标准化技改项目。?? 核心适用场景依托紧凑、高效、安全、智能的核心优势，SIMATIC S7-1200 G2广泛适配：各类中小型非标自动化设备包装、灌装、打标、物流输送等轻工设备小型流水线、模块化自动化产线需要轻量化安全控制、数字化运维的技改项目从经典迭代到全新突破，西门子SIMATIC S7-1200 G2以更小体积、更强算力、更全功能、更低成本，重新定义中小型紧凑型PLC的行业标准，为中小制造企业轻量化智能制造升级、设备厂商产品迭代提供超强助力！智能制造进阶，从一台高性能PLC开始??#西门子新品 #SIMATIC S7-1200 G2 #工业自动化 #PLC #智能制造 #设备升级 #工控好物
数据：这个数字312.55 我们能想到什么？只能说它的有效数字是小数点后两位！当指明了场景，数字才有一定意义。例如：这数字出现在商场内；它可能代表金额。但还是缺少单位！是元？还是刀？这说明，有效数据一定要有相关（场景、单位）的标注！日常中，我们最常见到的数据，就是财务数据；财务数据除了上述的数值、单位外，还必须有日期（时间）、摘要（内容背景）、入/出（借/贷）；凭借数据原始性，达到可分析、可追溯。我们工业控制AI所需要记录的项目也应如此。原始数据来源于感知器（各类传感器）；我们就从感知器（模拟量AD传感器）说起：如前所说，工程量（距离、重量、压力、温度、亮度等等）通过换能器转换到电量；然后，再使用AD芯片将电量模拟量（电压、电流）转换成数字量数据。我们知道AD转换是有不同的分辨率（精度）位数的。西门子控制系统对此做了如下格式的统一。AD模拟量统一格式在西门子规范中，采用左对齐，一个16位字长，统一了模拟量格式。黄色部分为置信度误差，可通过平滑、滤波显示为估读。对于数字模拟量，我们系统工程师最直接、最关心的两点：分辨率（精度）和单位（量纲）1、分辨率（精度）问题西门子控制器PLC方面：为了同时兼顾分辨率（精度）和实际场景的信号过冲；规定范围值为0-27648即hex 6C00=100.00%；这保留17%信号过冲时，分辨率达到2.7万分之一。实际AD转换精度：通常主机本体自带模拟量输入的AD为10位。SM信号模块实际AD是13位+符号位。（除了LOGO！外，新一代主机端子基本取消了AD接口。）西门子驱动器（变频器）方面：MM4、G120系列变频器上的AI端子，AD转换12位；而最新的G220系列，AD转换为16位。你可以看出：西门子的工业控制设备，给用户准备了更高转换精度的AD；12、14、16位（达到3.2万分之一）；并将其统一为一个16位字长的固定格式。实际工业控制场景下，我们真的需要这些高分辨精度的AD转换么？我国工业传感器通用精度等级分为0.1、0.2、0.5、1.0、1.5、2.5、5.0七个等级，主流产品集中在0.5~2级区间。由此可见，我们的信号源：仪表、电位器等等，在大多数工业场景的测量仪表精度等级是0.5；0.2；（误差+/-0.5%，+/-0.2%；）一个16位字（符号整数）可以表示0- +/-32768。很明显一个10位的AD转换可以表示0-1023；满足大多数的千分之一精度工业场景。题外话：从机械工程师的角度看，在机械加工上，一个16位带符号的INT表达的范围是-32768 – 32767，对于加工直径500毫米的工件，这意味着分辨率：500mm/32767=0.015mm。0.015/500mm偏差范围达到IT5。属于精密级加工了。而大部分的加工精度只需要IT6-IT8。西门子 一个16位字长的智慧我们知道，在通讯领域，最小的传送单位是字节（Byte）；在西门子主导的ProfiBus/ProfiNet组织下，对模拟量做了如下特别适宜的规定：采用一个16位的字长度，带符号的INT整数。规范中规定：hex 4000=16384=100.00%；它的分辨率（精度）为：1/16384；1.6万分之一。它表达范围+/- 200%；也就是：-32768 =-200%； 32767=200%在物理层面，它可以较好地表达信号的过冲；例如：表达电感反电势叠加100%信号。而又不丢失较高的分辨率（精度）。题外话：事实上，我们在工业控制过程中，对传感器分辨率（精度）并非要求很高；重点关注的是传感器的最小感度；更关心的是不同场景下，控制器对模拟量变化量的响应！这也正是AI Agent 需要做的事情。 2、量纲（单位）问题在实际工程控制应用上，我们面对着大量的带有单位的物理量；速度、转矩、转动惯量、电流、电压、温度℃、湿度%等等；不胜枚举。它们是我们数据记录的对象。如何才能有效记录他们呢？我们知道，所有这些物理量，都是由SI的7个基本量纲演化出来的。（长度m、质量Kg、时间s、电流A、温度K、物质量mol、发光强度cd）一个数据 20，标上单位：安培A；它就具有了一定的意义。但是，20A；这对于11kW的驱动器来说，是个满负荷；对于110kW的驱动器来说，却是个轻微载荷。由此看来，即便是带有工程单位的数据，没有指定的工业场景对象；对于AI数据训练来说，价值并不大。从驱动工程师的角度看来，控制对象从微型驱动系统到大型控制系统，从开环到闭环，貌似差异很大，但实际控制对象模型都具有相似性。为此，西门子在过程控制领域，早就给出了具体的解决方案：在数字化驱动中，使用固定的参数，标定了数据的参考值、单位（量纲）这样一来，只要保存绑定一次上述特定设备的参考值，那么所有相关数据就变得整齐划一。且达到原值（带单位）复现。（实际值【带单位】=百分比X标定的参考值）这样一来，控制器的数字模拟量的指令和控制对象返回的模拟量实际值，不再需要具体带单位的设定值/实际值；而仅需给出（通讯交换）分辨率（精度）1.6万分之一的百分比数值。这些就是西门子工业控制系统的“精华”！我们再深入一点。我们知道，一个工业控制系统的性能，响应非常重要。在物理世界中，它主要取决与驱动系统的能力和系统的惯量。这就是说，在物理层面上，驱动能力/系统惯量相近，则系统响应既可以相近。在西门子驱动器中：这同样采用了参考值（标准电机的转子的转动惯量。）通过上电驱动测试运转，输出转矩和降速、滑行，即可准确分辨整个传动系的转动惯量和滑动摩擦。参照驱动实际转矩与参考值；整体传动系统的驱动性能，（角加速度=转矩/转动惯量）就可将其计算得清清楚楚了。以上表述说明，西门子工业控制系统采用的就是“归一化”；具体来说：它采用同样一个字16位的长度，用数据类型为带符号整数（INT）来表示百分比。定标为hex 4000=16384=100.00%；那么其表达范围就是+/-200.00%；且分辨率1.6万分之一；这非常适合大多数场景。（更高精度的场合，还预留了hex 4000 0000这类双字的分辨率可用。）通过深入了解西门子的工业控制系统，你就会发现，无论是很小的控制系统还是大型的控制系统，（每个系列）使用一套统一的数字模型。包括运动过程控制采用无量纲（LU）参数。有了这些归一化的标定，那么我们就可以对同一类型的控制建立数学模型。也就是说，我们采集记录这种类型的数据，通过AI对数据的训练，完全可以扩展应用到更宽泛的相似工业控制系统中。这正是训练AI Agent所需要的模型数据（集）。题外话：像HMI的显示，其实（监控）操作者根本不想看那个20A电流的（浮点）数值，（尤其是生产线多台驱动）他想看到是各驱动的负荷率。而HMI的柱状显示，你只需要标定0-hex 3FFF绿色（100%负荷）；hex 4000 – hex 5FFF（150%）黄色；hex 6000以上红色；就可以了。这样标定，可用于所有相似系统。当然，你也可以 0-90%绿色，90-99.9%橙色，=100%红色；一目了然，心中有数。3、时间问题数据产生的时间：就像一开始提到财务数据那样，产生数据的时间非常重要！因为，只有按前后发生时间顺序记录，才能分析模拟量的变化量、发现问题。对于驱动工程师来说，在以前，这一直是个“痛点”；驱动器出现报警，故障等，只能看到相对运行时间（本次上电开始计时）；只能靠控制器（PLC）上的时钟，推测发生报警/故障的时间。最新的SINAMICS G2xx、S2xx系列内置了时钟，直接通过NTP显示时间：而且除PN/IO接口X150；以太网接口X127之外，添加了千兆的X128网口，专门用于AI时代的数据采集。数据组的时间对齐。我们工业控制系统需要获得数据，并非单一数据。而是需要一组相关数据：例如：命令、设定值（控制字）和状态（转速、转矩、电流、反馈量等等）一组（百分比）实际值；这些数据，理应是同一时刻的；若时间上错位，则这组数据就失去了相关性。对于这点，西门子工业控制系统早就有DPRD这些功能块，保证读取数据的一致性。为工业控制AI打下了基础。 以上，我仅仅是通过一个机械工程师、驱动工程师的侧面视角，来探索AI Agent训练所需要的数据特点。如何采集数据，如何标准统一？如何适应工业控制AI Agent的训练需要？对此，各位有啥看法？连载系列——《工业AI之我见》一、西门子RXD大会 参会感受二、什么是工业AI智能体三、如何从工业传统控制模式走向工业AI智能控制模式四、传统数字开关量逻辑控制的缺陷与工业AI智能化重在关注数字化模拟量五、关注数字模拟量变化量的重要性六、历史变化数据积累的重要性及场景标定的重要性七、专家系统组合智能体与端到端大模型智能体的区别（两步走）八、由预设逻辑规则控制到模糊控制-标注-适配智能控制的改变九、数据，西门子 – 一个16位字长的智慧
逻辑规则控制 指的是控制是按照预设的布尔逻辑判断，决策输出的。如PLC中常规的IF （逻辑判断）THEN 为真-执行 这类无歧义的真/假、阈值判断-决定执行；其特点是均需要一个准确的、可界定的值（阈值）。我们知道，在生产实践中，同一个场景；不同的人（不同公司的产品标准），对一件事物的过高、过快、过大；适中；过低、过慢、过小等等的判别是不一样的。何为真？何为假？在非黑即白的逻辑中，我们只能根据某规则、某标准、大多数确定个阈值，或者区间；而真实的物理世界并非都存在如此明晰界定值。其边界具有模糊性。例如：加工零件的分布、装配中的差异分布。预设规则与加入数据标注的差别例一：我们在加工一批零件中，需要规定加工精度及零件公差范围。针对不同的加工精度，采用不同的加工方法。（选择普通或更高级的机床和刀具。）同时，我们也知道，一批零件加工完成后，它们的加工误差分布呈现为正态分布。而实际上，机械设计师所关注的，并不是零件的公差，而是零件之间的配合。（因为：已知：理想间隙为0.02mm时，油膜润滑性和同轴度最佳。）当现实一批零件加工精度如下时：那么在装配中，就会出现没有间隙和间隙过大的配合状态。在预设规则模式下，解决的方法，就是提高加工精度，缩小公差范围。如下图对策就是：更换工艺，选用更高精度的机床、刀具、设备。使其间隙接近理想要求。很明显，提高了零件加工成本。若我们仔细观察上面一批零件的配合分布时，就能发现轴孔零件公差分布是一样的。只要我们记录每一轴孔零件数据，就能几乎全部轴孔零件适配，达到理想间隙的配合。这样一来，完全不需要改变工艺，而达到低成本，高配合精度的要求。这就是数据标注的“力量”。（事实上，在加工制造圆弧伞齿轮传动套件上，早就是这样做了。）例二：生产过程中，是会出现设备过载的；调速驱动器（半导体功率器件、电机等）允许短时过载；而过载-降容（功率储备散热）是曲线关系；可是，在简化逻辑处理上，我们只有三种模式选择（预设了界定）。只要超过界定，（例如：选择1.5倍，某次达1.6倍，本应正常无事。）却因预设规则，导致报警、甚至停机。若能有之前阶段负荷的历史记录，是不是可以实时的做出“智能”一些的控制决策？避免这类报警、停机？不仅如此。在工业控制中，在不同的场景，不同的人（公司）对同一类事物的判断，还会发生变化。例如例一中，当润滑介质粘度的改变、应用环境极热、极寒南北方地域的改变、压力润滑或自润滑的选择不同等。导致理想间隙选择操作完全不同。执行方式、效果也不同。前面的举例说明，我们当前的这种预设逻辑控制只是对指定场景控制的抽象、化简。无法适应场景变动、全局评估决策、“根据历史记录有预测、有所取舍”的“自主决策”智能控制。这些举例也充分说明，一定要打造适应自己（公司）场景的工业AI控制智能体。以上，只是我个人对工业AI的一些认知，而西门子官方有更专业的课程，解决当前对工业AI智能体认知的困扰。《Industral AI Navigator》-拨开AI认知迷雾，带你飞。很明显，在工业AI建立过程中，积累数据非常重要。关注数据的历史记录，通过数据的变化量的分析，才能创建、达到“智能决策”的目标。在这里，采集、记录数据的质量就很关键。下期，根据对西门子数字化的了解，认知，来谈谈数据的标准化、数据的质量。连载系列——《工业AI之我见》一、西门子RXD大会 参会感受二、什么是工业AI智能体三、如何从工业传统控制模式走向工业AI智能控制模式四、传统数字开关量逻辑控制的缺陷与工业AI智能化重在关注数字化模拟量五、关注数字模拟量变化量的重要性六、历史变化数据积累的重要性及场景标定的重要性七、专家系统组合智能体与端到端大模型智能体的区别（两步走）八、由预设逻辑规则控制到模糊控制-标注-适配智能控制的改变九、数据，西门子 – 一个16位字长的智慧
上位环境：上位机采用了C/S架构，服务器的系统是Server 2016 Standard，软件版本是WIncc7.5 SP2 UP19.异常现象：2026年5月29日 下午6点07分左右用户点击历史曲线导致Wincc7.5Graphics runtime停止工作软件崩溃，本打算五点半准时下班外面大雨滂沱。前面也出现几次类似的问题，不影响使用加之比较繁忙没有理会。那么现在就好好看看问题所在，雨停再走。广东的雨来的快去的也快。第二天一早在我拷贝，查看，询问。再拷贝，再查看，再询问，问题点最终锁定了。下图是锁定的问题点（第三方控件 AniGIF.ocx（版本 V2.47）引起，每次崩溃的异常）：下面分享查找的过程(感谢Deepseek给出了主要的线索)：从服务器的事件查看器——Windows 日志——系统——询问Deepseek——看应用程序18:07:20左右的应用程序崩溃的日志——给出关于(c0000005 异常代码表示发生了内存访问冲突)的初步答案——Deepseek建议查看Winccd的PDLRTSEH.LOG最终找到问题所在，下面给出相关照片。下面是系统日志(一开始我简单的认为是时间的回退造成的崩溃，后来通过询问Deepseek改变了方向):下面是应用程序日志(看到了C00000005内存报错的问题)：下面Deepseek提示我查看WIncc Log日志。在log日志中锁定了问题点。
本文的S120结构配置：CU320-2PN + CUA31 + SLM + PM240-2 +G120C；其中G120C用于现场的45kW风机调速控制；S120用于控制一台132kW的电机，额定同步转速：3000rpm；最高转速：8000rpm。系统结构如下图示：132kW电机主机45kW风机主机与风机控制系统电机驱动控制器SLM整流回馈电源工控计算机监控、操作、数据处理系统这个系统132kW的电机肚子里埋了KTY84绕组温度传感器，传感器信号由SLM端子X41接入装置。在调试的时候总是找不到内部的信号传输通道。系统的拓扑编号驱动是02，驱动参数02_r35是电机温度，该显示值始终为-200度，说明传感器信号断线，没有接入。过去的系统，也曾经用过KTY84的传感器，但时间久远都忘了如何参数设置。于是，向AI小西求助，小西告诉我：P600 = 11；P601 = 2。我如法炮制，无果。小西忽悠我了。查遍参数手册与功能手册，有关温度传感器的相关描述，居然没有找到从SLM端子X41引入的温度传感器，应该如何在驱动参数r35中显示的说明和注释。反复阅读参数参数表参数P600的说明，自认应该是P600 = 10（温度信号BiCo）。于是，抱着试试看想法：02_P600 = 10（参数化的BiCo）02_P601 = 2（温度传感器KTY84）02_P603 = SLM_03_r35（BiCo选择的源）SLM_03_P601 = 2（端子X41连接的温度传感器为KTY84）结果，在驱动的参数02_r35里显示的当前的环境问题了。问题得到解决。因为这个KTY84的电机绕组温度传感器很少会用。所以，上述调试过程需要记录备忘。为以后的可能应用留查。
使用AI小西查找西门子相关文档非常方便相同的关键词，AI小西找的非常准确，点击链接就可以直接下载。自己搜索的需要筛选。
我司一台数车发生报警，如下：“201507 总线3，从站3，CU_I_3:3:1(1):BICO:有至未激活对象的连接2”，“轴Z1 SERVO_3:3:5(5)，组件Motor_Module_5(5):驱动：没有功率单元”，X1和SP1也有相同报警，“总线3，从站3，ALM_3:3:2(2)，组件Line_Module_2(2)；拓扑：电源模块未连接：组件：Line_Module_2，至控制单元Control_Unit_1，接口：X100.”处理步骤如下：1、查看拓扑视图，PPU的X100接口至ALM的X200接口连接断开2、查看ALM，发现指示灯全灭，测量24VDC端子适配器电压为24VDC正常，由此判断为ALM模块损坏，更换ALM模块，更换后上电故障现象依旧，此时才测量24VDC母排电压，发现没有电压，复检24VDC端子适配器电压为24VDC正常，因此怀疑24VDC端子适配器连接异常，拆下后检查发现24VDC端子适配器磷铜片长时间使用后弹性不足，因此和24V母排接触不亮，因为手头没有备件，垫入0.1毫米厚铜皮后恢复。为什么说是失手呢，本来一开始就应该测量下24VDC母线，而不是端子适配器有电即认为正常，白白浪费换了ALM，引以为戒
回看 前述温度传感器的例子；通过标定各种场景；搜集的不同温度数据变化；结合温度的物理规律界定，我们可以“打造”一位温度变化相关知识的专家智能体；回看 前述旋转信号采集的例子；我们也可以“打造”一位数据分析的专家智能体；只要场景类似，这个AI智能体既可以应用在雷达、声纳；也可以用在机械旋转信号捕捉；回看 前述DCMA（变频器健康专家）的例子；我们也可以从驱动信号捕捉的角度，不但可以预判装置的健康度，还可以关联被驱动的旋转电机状态。若我们把温度专家智能体与数据分析专家智能体和DCMA结合起来；是不是就可以建立一个分析轴承烧蚀失效、预判的专家智能体？（通过测温、监控电信号、比对振动信号特征，结合旋转就能判断轴承的问题。）这些例子背后，很重要的一点是：各部智能体，全部都要遵从物理规律（定律）。有安全边界。（这点与语言类AI模型有所不同。）需要说的是，这种各类专家AI智能体组合的智能体，在局部的、限定的简单应用场景下是没问题，训练（包括有偿共享取得）费用比较低。也比较容易实现的。但是，在多因素、多输入、涉及工业宏观控制管理场景下，这种组合的智能体就容易发生决策“困难”的状况。导致输出执行“无所适从”。如同我们请“项目”相关各领域专家决策方案，常常遇到他们各自强调本领域的重要性；尤其遇到同类领域的专家、意见出现分歧，导致更难做出决策；这就是由各类专家AI智能体组合的AI控制智能体容易导致决策犹豫，遇到特殊场景需要人工介入的根本问题。在这个人工介入过程中，对操作者（使用者）的要求不是更低了，反而是更高了。需要操作者能根据场景目标迅速做出决策，介入执行；也要求AI能记录该场景下，对应的人工介入数据、控制的结果（效果），为下一轮的学习、“进化”提供可用资源；在这个阶段尤其强调“人机共控”。在这点上，与语言类AI大模型（包括编程语言）的AI Agent是非常类似的。语言类AI Agent （包括 西门子即将推出的，集成于TIA博途、运行在Xcelerator 云平台上的 《Eigen Engineering Agent》 ）它会拆解任务，分配给数个AI Agent分别调用工具，相互制约、多轮验证，检查、“博弈”；最终优选输出结果。你能看得出，这需要运行时间，需要消耗Token（词元）；你也能想象得到，既然针对一个提交，AI Agent需要分解任务，那么提交已明确分配好的任务，是不是更好？同样的道理，针对Eigen Engineering Agent 使用者，不是要求更低了，反而是更高了！只有对项目细节熟知，编程经验丰富，知道自己想要什么结果的使用者，才能高效的使用这些AI Agent。这样说来，我们能“推理”出，一个公司相关项目的语言编程类AI Agent，一定会总结出一个提交“脚本”，把AI Agent要完成的任务，分配得“明明白白”。对于工业控制AI Agent智能体，上述这种方式，明显是有欠缺的。受算力制约的响应速度，偶发的多智能体决策的犹豫。为解决这种问题，最好的方法是建立端到端大模型智能体。所谓“端到端”AI大模型智能体，它是一个相关输入项（传感器）、输出项（执行器）集大全的、单一的AI大模型智能体；可以认为它自身就是个能掌控全局，全能“权威”专家。它会“有所放弃”的决策；根据不同的场景要求，决策优先执行的输出。不仅仅是预警，而且在遇到极端（未知事件）、极小概率事件时，能够利用比人工更快的响应速度，把可能的人、财、物损失降到最低。这就是建立在物理规律基础上的，所谓“安全兜底”。理论上，“端到端”AI大模型智能体不会遇到决策犹豫问题。直接输出执行，使用起来就会感到控制过程很“丝滑”；减少了人工干预的可能性。毫无疑问，这种智能体需要积累庞大的、多方位的有效数据，再进行训练。自然训练费用必然会很高。在当前工业控制领域，有效数据缺乏的情况下，要想AI智能体落地，恐怕专家系统AI智能体组合模式反而要先行一步。使之从局部扩展到全局。由此历程看来，在工业领域中，因数据的不完整性，想一步走到“端到端”的大模型控制系统看来是不太现实的。我觉得：两步走则落地比较现实。这里的重点就是要多方位收集、标定、积累有效数据。为进化打下基础。连载系列——《工业AI之我见》一、西门子RXD大会 参会感受二、什么是工业AI智能体三、如何从工业传统控制模式走向工业AI智能控制模式四、传统数字开关量逻辑控制的缺陷与工业AI智能化重在关注数字化模拟量五、关注数字模拟量变化量的重要性六、历史变化数据积累的重要性及场景标定的重要性七、专家系统组合智能体与端到端大模型智能体的区别（两步走）八、由预设逻辑规则控制到模糊控制-标注-适配智能控制的改变九、数据，西门子 – 一个16位字长的智慧
最近工作需要研发一个新产品，检测物体或者液体颗粒直径的设备，前端配合取样系统，取样后到检测系统去检测颗粒直径，用于现场设备调节参数使用参考，其中程序的逻辑都是通过AI自动给生成编写的，设备工作步骤流程我把文字提供给AI,让AI去帮我完成程序的编写，变量生成，最后我在复制到博途程序中，有使用博途不支持的语言或者语句，我会告诉AI进行修正，然后到达博途运行的便准程序，这样就完成了程序的编写，AI生成的程序好与坏，取决于你提供给AI的逻辑过程，或者你没有写程序的思路，你也可以问AI让他给你思路。AI用上了才知道，真的能帮助到你，真的很好用，写程序的速度也很快很方便。大家可以尝试一下就知道了
举个例子：一个传感器，360度旋转，每秒转一圈，采集信号（强度）单一的各方位的微弱信号，看不出任何信息。当我们不断累积每秒数据，叠加（强度）信号。就可能出现有用的信息。不但指出信号方位，而且根据信号强度的变化，可以判定信号的频率（两秒周期=0.5Hz）；若有信号强度-距离的标定，那么还可以根据信号强度的变大/变小，判定距离、渐进或渐远。又例如：导航软件中的红绿灯，好多人认为是与交管局的控制中心联动；其实并不是的。而是通过大数据：一个标定的路口绝大多数的车辆都是在那个时刻（红灯）停驶；间隔多长时间后（绿灯），启动前行；由大数据统计出来的就可以知道：“快要红灯了，快要绿灯了”。也正因如此，有时你会遇到导航上的“读秒”与实景并不完全符合。不过，大数据模型会随时“学习”自适应。 这些例子说明，看似无用的数据，当做了指定场景（如：指定的十字路口）的标定，通过积累，有用的信息就会显现。西门子也有预防性运维软件DCMA变频器健康管家；采集驱动器（变频器）通过S7 TCP单边通讯采集网络内所有驱动器的工作状态，保存记录；这里要说明，西门子全系列驱动器，都是全数字化装置（控制逻辑由CPU与内置程序完成）均有通讯接口；对于那些仅配置串口，也可通过串口模块采集运行数据。DCMA不但可以定时采集，还可以向驱动下载Trace，由装置本身的CU控制捕捉毫秒级的运行状态。利用这些（积累的、实时的、捕捉的）数据， DCMA就可以做到预防性维护了。利用专家系统（包括西门子驱动专家长期的经验数据）自动分析判断各个驱动的状态，给出预警。这些预警信息不但有常规的报警，还包括根据转矩、电流、电压信号的信号特征，结合比对机械传动轴系的、电机轴承的振动特征值，提前预警、指出机械传动的问题所在。此外，通过数据积累和实时采集（对比），还可以分析判断变频器直流母线电容的健康状态。它的健康评估功能包括：变频器健康度、变频器可用性、变频器质量、变频器性能。这样就可以大大减少用户的非正常停机时间，提高了设备利用率。当然，DCMA还包括能源管理（碳排放）这些功能。这些数据通过，同在DCMA运行的PC，也可以传送到Xcelerator 云平台。为将来的工业AI智能控制系统作为数据源。通过这些例子：我们就能看出数据积累的重要性。只有做了数据积累，这种特征值才会显现。才可以通过这些信号特征，最终生成“专家系统”。（信号与现实两者之间肯定有物理的、科学的关联解释，但作为AI智能体，它不需要这种“解释”。工业AI智能体的基础数据正是以这些专家系统数据为依据的。）连载系列——《工业AI之我见》一、西门子RXD大会 参会感受二、什么是工业AI智能体三、如何从工业传统控制模式走向工业AI智能控制模式四、传统数字开关量逻辑控制的缺陷与工业AI智能化重在关注数字化模拟量五、关注数字模拟量变化量的重要性六、历史变化数据积累的重要性及场景标定的重要性七、专家系统组合智能体与端到端大模型智能体的区别（两步走）八、由预设逻辑规则控制到模糊控制-标注-适配智能控制的改变九、数据，西门子 – 一个16位字长的智慧
我们来看看这个场景：在一个空间，我们装一个温度传感器（将物理量转换成电信号）；控制器采集（数字化的模拟量）后，用于启动制冷或制热，做空气温度调节。这就是我们传统的控制。同一个温度传感器当我们采集模拟量数值的同时；关注其变化量（如：每秒间隔的温度变化）时，就会发现它还包含着更多有价值信息。例如：若十几秒内温度降低3-5度（变化速率），那大概率是（北方冬天场景）开窗通风了。若在空间左右两侧各装一个温度传感器；同时关注两个点的变化量。当左侧的温度先降低，右侧的温度后降低；我们还可以认为冷风是从左向右吹过。若几秒内上升20-30度（变化速率），那大概率是（场景）着火了。很明显，这种对模拟量的变化量来进行的预测（仅从室温快速上升即报警），要比设定个阈值（200度报警）会更加提前预警。（好比我们感到右后方有热感袭来，转头回看，只是确认是着火？还是电暖器？而不是烫着了，再跑。）同理，若采集在空间网格中分布多个的温度传感器，针对（场景）中的温度快速上升（着火），我们甚至还能预估火源位置。据此，我们认识到：我们工业控制所面对的是“过程”；关注的是数字模拟量的变化量。而不是简单的数字模拟量的阈值（如高低水位信号开关）。正是因为真实物理世界是连续变化的，因此，对所有事物的过程控制都应该是根据模拟量的变化量进行的控制；这例子说明：1、仅靠阈值判断状态，决定真与假，是与否，进行控制开启与关闭；是不能达到所谓的智能化。2、同一传感器、同一场景，以变化量、变化量的速率为依据，对不同事件，可以产生不同的处置；3、这些数字模拟量的变化量及变化速率都是过程数据，需要标注。4、这些不同的控制，实际来源于“经验”；而“经验”则代表着历史数据的积累。上面仅为三个例子，但我们可以感觉到，虽然这些并非通过逻辑编程做不到；而工业AI智能体可以在数据积累基础上，通过“经验”就现实场景的变化，给出更多的适当的处置。下面，我们就谈谈历史变化数据积累的重要性及场景标定的重要性看看通过数据积累，我们还能发现什么？连载系列——《工业AI之我见》一、西门子RXD大会 参会感受二、什么是工业AI智能体三、如何从工业传统控制模式走向工业AI智能控制模式四、传统数字开关量逻辑控制的缺陷与工业AI智能化重在关注数字化模拟量五、关注数字模拟量变化量的重要性六、历史变化数据积累的重要性及场景标定的重要性七、专家系统组合智能体与端到端大模型智能体的区别（两步走）八、由预设逻辑规则控制到模糊控制-标注-适配智能控制的改变九、数据，西门子 – 一个16位字长的智慧
苦心人，天不负，签到了几百天，终于抽中了实物奖品，只是不显示具体是何奖品。待收到货后再来与诸公分享。
防护门电机轴变形更换新电机后：提示故障：轴MASV 新硬件组件，必须确认并进行安全调试。新硬件确认：选择报警确认SIHW更新硬件’硬件完成确认后修改轴参数34090。使当前位置与实际位置一致。NC重启后，仍然报MASV没有正常回参考点。在ref界面回参考点无法确认。查阅简明调试手册，为电机绝对值编码器，没有进行标定。因为调整34090后轴的编码器位置与实际位置已相符0点（门闭合位置）。所以只需修改轴参数34210为2（编码器已完成标定）后故障消失。机床恢复正常启动。
当我们目光转向工业AI智能化控制内容，仔细观察上面关于时代“进化”的描述，你会发现：在AI智能化之前，我们的传统的（PLC）控制器主要都是数字开关量DI/DQ：（Digital Input输入：指令/状态；Digital Output输出：启动/停止。）都是对位Bit的0和1操作。这是因为：工业控制系统的核心设备PLC，它的诞生，是以电气时代的继电器逻辑+定时器为原型，以“忽略过程”为核心逻辑，依赖开关量（0/1、开/关）实现状态读取与指令输出。（我们知道电动阀开闭需要几十秒的过程；中间的断电都会造成半开状态。）而布尔逻辑运算，它完全忽略物理世界中普遍存在的连续渐变、过渡过程，无论机械、电气动作的过渡时间快或慢、中间状态多么复杂，都将其忽略，仅识别“开”或“关”两个绝对明确的结果；逻辑里没有灰度、没有中间量，一切状态与命令都呈现非黑即白的清晰性。这种对过程的忽略，是为构建可靠、可编程的判断机制，确保控制系统能做出无歧义的清晰决策，可以说是必要且关键的抽象。使其符合二进制逻辑运算的计算机应用。这就形成了我们PLC编程中最常用的“起保停”程序段。直到上世纪八十年代初，随半导体技术的发展（A/D；D/A出现应用），逻辑控制器（PLC）才嵌入模拟量的信号输入输出。进入过程控制领域，有了以阈值（不等式）为判断逻辑；有了PID等算法。尽管如此，在长期实际应用中，仍然是以多少多少（开关量）点位控制为主。（从一套PLC控制器上，就能看出，模拟量的AI/AO占比不多。）而在工业AI智能化的场景中，（从前述例子中就能感受到）大多数都是对数字模拟量AI/AQ的操作。（我认为，工业AI智能化控制场景中，并非一定都要用机器视觉。）简单说一下模拟量和数字化模拟量（Analog Input输入：通过传感器（也称换能器）把物理工程量如温度、转速、位移、压力等等（这些热能、光能、声能、机械能等等物理量），转换为电能信号。（例如转换成0-10V范围内的一个电压信号。）进而，通过数字化AD（Analog to Digital芯片）器件将这种电信号转换成数字化模拟量的值（例如：将0-10V的电压信号，转换成用一个计算机可识别的，字长16位Bits表示的；0-16384的二进制值；让计算机（PLC）存储、使用。）。为什么AI智能化场景中，特别关注数字化模拟量呢？1、真实物理世界是连续变化的；开关量只能反映“开”或“关”的最终状态, 而在现实中的物理过程则是连续的、实时或快或慢地不断变化的。 2、数字化的模拟量承载了更多极具价值的信息！（这就是说，我们工业控制系统，从软件到硬件，关注重心将会更多地向数字模拟量方面移动。）下篇我们来探讨-关注数字模拟量变化量的重要性连载系列——《工业AI之我见》一、西门子RXD大会 参会感受二、什么是工业AI智能体三、如何从工业传统控制模式走向工业AI智能控制模式四、传统数字开关量逻辑控制的缺陷与工业AI智能化重在关注数字化模拟量五、关注数字模拟量变化量的重要性六、历史变化数据积累的重要性及场景标定的重要性七、专家系统组合智能体与端到端大模型智能体的区别（两步走）八、由预设逻辑规则控制到模糊控制-标注-适配智能控制的改变九、数据，西门子 – 一个16位字长的智慧
什么是底盘测功机？它是一种道路行驶车辆行业里的专用检测设备。也就是在底盘测功机上通过模拟道路的阻力状态，可以使行驶的车辆不通过路上行驶，在实验室里就能再现道路的工况。这样的设备，一般在汽车和摩托车的制造商具有需求。而且功率范围很宽泛，几十个kW至上百kW很普遍，再大的功率等级也有。是整车试验的必备装置。但是，我下面展示的这个底盘测功机，是袖珍版的，功率仅有1.5kW。我去，测啥玩意儿？这么小的功率呢？请看图片展示：1.袖珍版底盘测功机主机台架部分：哈哈，露出庐山真面目了。这是一个测试运动自行车的底盘测功机哈。2.再看底盘测功机的控制部分：控制系统。采用的是CU310-2PN + PM240-2。没有PLC，采用S120的DCC编辑道路阻力方程模拟平坦道路与山地道路工况。满足实验项目的需求；负载电阻。因为传动系统功率很小，所以采用的能耗制动加载形式。最后，是测试系统的操作台，有工控机完成实验的监控操作。
用博图V18做KTP画面，结果发现量表素材调用不了（TP900可以调用量表表头什么的，就是不支持精简屏），而且对象属性内动画功能只有移动没有旋转功能，也不能实现指针旋转功能。幸好我只要显示变频器速度，50Hz，没办法只能自己在盘面画了51条线段按指针路径排好，再利用属性\动画中的可见性，对应速度数0--50Hz让51条指针线段分别显示以达到指针旋转效果。抛砖引玉，哪位大神有其它好的方便实现的办法，恳请指教！250405.rar
客户为节约成本选用Smart Line V5屏。但是这个屏的用户登录功能非常的不友好，每次登录需要用户手动输入用户名，非常麻烦，就算我已经把用户名简化到“A、”B”、“C”客户也嫌这样操作麻烦！！！在论坛内提问也没有找到好的解决办法，那只能自己摸索了。用PLC来配合完成用户登录工作，屏画面文字域列出所有用户名，每个用户名上建立一个不可见按钮，点击几个用户名按钮分别给PLC寄存器写入1，2，3、、、，屏上建立一个符号IO域关联此寄存器变量，显示文本列表编号对应用户名，用以显示当前登录用户。PLC内根据寄存器内1，2，3、、、数值对应SET布尔开关，PLC内再设一个密码输入寄存器，对应屏上输入数值时PLC内设比较等于功能，例如选的用户1则置位V0.1，用户2权限大于用户1则置位V0.1和V0.2，用户3权限大于前2个用户则置位V0.1，V0.2，V0.3，以此类推。同时PLC设一个屏画面管理寄存器，密码比对正确后画面管理寄存器内写入操作画面编号。另外再设一个“用户注销”按钮，按下时清除所有用户置位开关，并在面管理寄存器内写入登录画面编号。然后屏上操作权限仅用户1时，则在操作对象“属性动画”下打开“启用对象”选项，勾选“启用”框，变量指向V0.1，设置“0”时“禁用”。操作权限仅用户2时，则在操作对象“属性动画”下打开“启用对象”选项，勾选“启用”框，变量指向V0.2，设置“0”时“禁用”。以此类推。
西门子全球科技大会的主旨是RXD；以物理场景为依据的人工智能。工业AI包括工业产品管理（订货、质量、成本、物流等系统）、预测性维护、能源管理等等；而在咱们DI（数字工业）技术论坛，我主要关注、探讨工业AI智能控制系统（自动化控制与驱动）。 我感觉，实现工业AI智能控制系统，不是“一蹴而就”短时间就能完成的。就像我们那时，机械设计从手工图纸到数字模型，淘汰描图、晒图员；你也得将原有纸质的零件图、装配图转成数字3D模型，重新生成数字化的零件图、装配体，拾遗补缺、审查、纠错。 在（工业AI智能控制系统）这里，同样也得一个一个地收集数据；据现有的有效数据部分，先行开发、建立分“专业”的智能体；投入检验性试用。随着故障仿真、真实数据补充；一个一个地完善分“专业”的智能体；最后，融合工业产品管理、预测性维护、能源管理等等AI智能体，才能建立一套完整的（非多个智能体组合的）全域的、产品规模的所谓（端到端）大模型智能控制系统。举个进程例子：在工业传统控制模式下 以单一场景，从A点移动到B点为例，通常设立个封闭的安全区，在此区域中，无障碍物。通过预编程即可实现。（类似规划机械手安全域）在早前的模糊控制方式下曾经试过，开放区域的运输移动，采用放置各种固定障碍物体，通过采集操作工人的实际操作过程，获得数据。实际效果并不理想，遇到相对移动物体就极易出问题。最终放弃。在当今的AI大数据模型下，对这种单一场景的复杂情况，可以使用3D场景数字仿真，无需实体，从而获取大量相对静止、相对移动障碍物的操作数据（3D场景数字仿真这是关键！）；当数据量足够大时，就可以通过训练，建立针对这类单一场景应用的专业AI智能体了。我认为：1、能否建立、实现，取决于已有的历史数据积累。就像我们由图纸到3D数字模型，原有的几柜子的蓝图图纸。那就是可以逐步转化成数字模型的“数据”。2、是否已有分工明确的独立专业“应用目标”。就像我们从一开始，部件就遵从模块化设计。这样，就可以有序地，把一个个模块的纸质图纸转化为一个个3D部件装配体的数字模型。最终由模块组合成完整的3D数字化设备装配体。两个题外话：1、标准化当使用机械3D设计后，所有标准件（螺栓、垫圈）、包括订制标准件（传动带、链条）；甚至（行业）标准部件（例如：输送部件、辊道结构等），都不再需要设计。直接从标准件库、供应商库中（鼠标拖入）“引用”；装配到项目模型中。极大地简化了设计过程。降低了制造成本、缩减了供货周期。可以想象，在工业AI智能化过程中，同样会有共享的、标准化的智能体，也会有专业性的智能体被有偿地大量引用。2、开源共享的概念：在我多年的认知中，1、开源共享软件是免费的。2、有使用说明，但原创者不提供技术支持。使用结果由使用者自行承担。3、若需要原创者提供技术支持，则是要付费的。4、对其开源软件进行修改、补充；新的软件仍需要保持开源共享。以上，是基于之前的机械设计数字化进程，推断工业AI智能化的进程和大趋势。咱们大家就这方面多多探讨。下篇：我们探讨传统数字开关量的逻辑控制缺陷与工业AI智能化重在关注数字化模拟量连载系列——《工业AI之我见》一、西门子RXD大会 参会感受二、什么是工业AI智能体四、传统数字开关量逻辑控制的缺陷与工业AI智能化重在关注数字化模拟量五、关注数字模拟量变化量的重要性六、历史变化数据积累的重要性及场景标定的重要性七、专家系统组合智能体与端到端大模型智能体的区别（两步走）八、由预设逻辑规则控制到模糊控制-标注-适配智能控制的改变九、数据，西门子 – 一个16位字长的智慧
我们把目光转向工业领域的AI人工智能。啥是工业AI？我们是如何从机械化-电气化-数字化-AI智能化，一步步走过来的。看个（实际场景）例子：小客车的开门过程：机械化时代：车门把手，机械连杆机构开门锁；手动开（闭）门电气化时代：车门把手，液压/电动助力：手动开（闭）门数字化时代：开闭门按钮，处理器根据行车状态处理落锁，安全开闭门锁，手动/电动开闭车门。AI智能化时代：指令信号来自语音/按钮/手机/触屏/手动；开门过程：是否P档？门侧摄像头检查前后方移动物体，安全评估、确定初始开度；开门停止过程，门边传感器确定停止位置（保证不会碰触任何物体。）闭门（落锁）过程：门缘传感器确保不会夹手。观察整个过程，你会发觉，它完全像门外有一位“酒店门口的BOY”，在负责安全地开闭车门。这就是AI Agent。是个替代真实“员工”的智能体。这样，我们就理解了，所谓的“智慧座舱”系统，并非是一个智能体，而是由多个专业的智能体构成的。工业领域如何从数字化走向智能化？我们作为应用工程师，要不被时代“抛弃”，应该学习什么？关注什么？向哪些方向发展？如何从工业传统控制模式，走向工业AI智能控制模式？这是我们关心的话题。接下来，从工业应用的角度谈谈一些我的看法。连载系列——《工业AI之我见》一、西门子RXD大会 参会感受二、什么是工业AI智能体三、如何从工业传统控制模式走向工业AI智能控制模式四、传统数字开关量逻辑控制的缺陷与工业AI智能化重在关注数字化模拟量五、关注数字模拟量变化量的重要性六、历史变化数据积累的重要性及场景标定的重要性七、专家系统组合智能体与端到端大模型智能体的区别（两步走）八、由预设逻辑规则控制到模糊控制-标注-适配智能控制的改变九、数据，西门子 – 一个16位字长的智慧
我先聊聊参加这次大会的感受吧。大会主旨是AI，“RXD”说的是 现实与数字，也就是 物理世界与数字世界的融合；合在一起，就可以说：讨论以物理场景为依据的人工智能。（仔细聆听（阅读对话、讲演）你就会发现，AI人工智能在工业领域的落地，并不容易。）先说说AI（人工智能）和AI Agent （智能体）。其实，现在的AI本质上，就是廿年前，我们学的“神经网络”；AI Agent 就是“神经网络”+“模糊控制”；那个时代，因为算力不够，我们只能（训练）做几个“神经元”输入的控制模型系统。例如：简单场景的速度+位置等等。生成类似PID算法的拟人模糊控制系统。在当今，基于互联网大数据，由于算力、算法的发展，经过训练的语言类的大模型基本成熟了。“语言类”不但包括日常语言，当然还包括各类编程语言。由此，催生出该领域的智能体。智能体 Agent AI，这里指的是训练完成的专门模型（体）。可以做专业的工作。例如：针对一个项目要求，需要程序员A，根据公司积累的文档、规范（数据）；写出程序。需要程序员B，审查代码、检查合规、提出反馈需要程序员C，加入项目，运行检验、查错。提出优化；反馈这些原本是多员工相互制约，配合完成；现在则可以由三个专业的AI智能体完成。它们就是虚拟员工。之所以可以实现，正是由于编程就是一种语言（对控制过程的一种描述用语言）。最终的结果，会充实公司的数据，积累多了，经过再训练、形成更完善的下一代迭代模型；（其中，训练是需要费用的。）。很明显，各类语言、文字类的岗位，都有很大的可能性会被AI“员工”替代。这种替代，并不是现在突然发生的，而是生产力发展的必然现象。生产力是推动社会进步的基本动力。我们应该有清醒的认识。我作为机械设计工程师，实际上在廿年前就经历过。从前，我是铅笔在图板上，用白图纸画图；描图员用硫酸纸描图；然后晒图员晒成蓝图；工艺员编写加工工艺，下发给机加工车间；加工成零配件。2006年之后，引进了SW软件。3D建模的数字化设计，直接生成零件图、（包括三视图、剖视图、装配图）；尺寸标注、加工精度的选用，标准化审查、出图一气呵成。描图员、晒图员、审核、工艺这些工作岗位都不需要了。（只不过那个时代，人员是转岗、下岗。）现在AI Agent的发展，同样会有下岗；并且围绕其应用，会诞生更多的新岗位。连载系列——《工业AI之我见》一、西门子RXD大会 参会感受二、什么是工业AI智能体三、如何从工业传统控制模式走向工业AI智能控制模式四、传统数字开关量逻辑控制的缺陷与工业AI智能化重在关注数字化模拟量五、关注数字模拟量变化量的重要性六、历史变化数据积累的重要性及场景标定的重要性七、专家系统组合智能体与端到端大模型智能体的区别（两步走）八、由预设逻辑规则控制到模糊控制-标注-适配智能控制的改变九、数据，西门子 – 一个16位字长的智慧
设备上有2台需要走绝对定位的S210带的伺服电机，用的是报文111的通讯，用“SINA_POS功能块去控制。电机回原点的方式是把当前位置归零设为原点位，起初是把SINA_POS的控制模式切到5，然后给个执行信号，这时读出的当前实际位置确实变成了0，但是后来发现设备断电重新上电以后，当前位置变了，不是0了，应该显示的是电机编码器反馈过来的值，也就是说用模式5去执行回零的动作只是把程序中的当前位置置零了，控制器中的编码器并没有置零。于是就又换了一个方式，用Sina_ParaS功能块直接去往伺服控制器里的相关回零参数写值，去执行回零动作，然后再进行保存，将参数保存到伺服控制器里，这样就能实现真正的回原点了。
在G V系列中，通过P015设置，选择宏；其实就是帮助对西门子驱动器不太了解的工程师，快速的实现场景使用的功能“搭建”。针对不同的型号，DI端子有多有少，通讯功能各不同；因此，宏的数量（功能编号）并非所有型号都一样。SINAMICS V20的宏功能：SINAMICS CU240B-2：SINAMICS CU240E-2：SINAMICS CU250-2：SINAMICS CU240XA：G120C是一款紧凑型一体机，它的宏功能也是根据型号有所不同。（没查到说明）谁有写在下面吧。
模拟量数据幽灵 2021年底，公司把设备电气设计和程序外包给一家自动化公司， 安排我去沈阳出差协助李总工（第三方外包公司电气工程师）接线调试，PLC是S7-1513CPU带ET200SP模块，调试过程中出现奇葩现象，比如模拟量第一通道数据不正常，找了半天没有找到原因，可能下午来又正常了，然后出现在第二通道或者其他通道，经历了更换传感器，更换信号线，更换模拟量通道等等。总之，这个现象就像会转移的“幽灵”，关键是即使不做任何处理，可能设备自己恢复正常，最后检查发现，控制柜用了2个开关电源（其实用3个开关电源也可以），但是居然一个开关电源是接隔离变压器（220VAC/220VAC/250VA）输出端，另一个开关电源是直接接隔离变压器输入端，最后更换一台（380VAC/220VAC/500VA）隔离变压器，把开关电源都接隔离变压器输出端，这个“幽灵”彻底消失。
电气表象机械实质 2019年，出差去客户现场调试设备，配套有电动葫芦提升液体加浆，开始触摸屏按钮操作正常，上升电动葫芦正转，下降电动葫芦反转，设备运行加工数锅物料后，正常下班清场，第二天换另外一个品种加工，操作员反映触摸屏按钮上升是电动葫芦在下降，触摸屏按钮下降电动葫芦在上升，表面上第一直观是电机方向反了，表面现象就是电气问题，我到现场检查程序和电气图纸，都没有问题，然后再看加浆桶比昨天的低200mm左右，钢丝绳刚好够不到，再次点下降按钮，钢丝绳由于太短，又被电动葫芦反向卷回去，这样看起确实是上升，此时再按上升按钮，钢丝绳又下降，和正常刚好相反，更换更长一点的钢丝绳后，满足钢丝绳能够最低到地面，这样不管哪种加浆桶都可以正常提升和下降了。
最近使用不带网口的笔记本电脑调试设备，也没有用无线路由器，使用Type-c拓展坞插网线连接交换机，电脑的Type-c口也是充电口，插了拓展坞后，网线和电源线都插拓展坞上，调试过程中出现PN从站看门狗超时，看门狗时间加长，还是会出现，后来发现，只要把拓展坞和电脑的Type-c线拔掉（网线和电源线还插在拓展坞上），PN从站过一会儿就会报看门狗超时，而且从站掉线后就连不上，此时把拓展坞的Type-c线插到电脑上，或者把网线从拓展坞拔了，从站就会自动连上。先把网线拔了，再拔拓展坞就不会出现。
在MM4时代，BOP是经常要用的。到了G120时代，因为有了STARTER，因为有了PN通信，所以，BOP-2就在没关注过。不过最近，单位有一台132KW的异步感应电机，额定转速3000rpm，最高转速8000rpm。是定制的。需要对它做一个空载试运行，检查一下这个电机实际运行的振动情况。这个电机放在了市郊的一个工作场地，离单位很远。同事问我，如果去现场要带什么东西？我说，带一个G120的装置，再把输入和输出电缆带着，带一颗PE电缆。然后同事又问，那调试呢？用什么？带不带计算机和PN电缆？我犹豫了一下，觉得带那些调试工具太麻烦了，不就是空载转转嘛，带个BOP-2就行了。同事再次确认，只带BOP-2吗？我确定回答。到了现场，电机和变频器接好线，检查无问题后就上电了。一切正常。接下来，我可就有点傻眼了。因为没怎么操作过BOP-2，来之前又没做过功课，怎么选择功能，怎么设置快速调试流程，全靠现场试，一直都不知道怎么进到快速调试流程的，而且做完了快速调试流程后，启动BOP-2的运行键，也没反应。一查r2 = 35，快速调试还在没有完成状态中。禁止合闸。没带任何资料，只带了一个BOP-2，感觉一个很简单的事，怎么就有问题了？重新再来一遍，发现，完成了快速调试参数设置以后，要用ok键选择yes/no。这一步，我没做就启动变频器了。我去，这样呀。好了。终于完成了快速调试步骤，电机是可以转了。然而，新的问题又来了。用BOP-2设定转速参数，从零起始小数点后面有3位，这什么情况？我要设置8000rpm，手按住上升键不动，要等好长时间，然后，突然显示器设定值加快，吓得赶紧抬手，停止快速加速。否则电机就要飞车了。这真的太难调了。我还不知道如何可以用BOP-2的操作键选位的那种操作。可以定点设置给定值，一步到位。真是太狼狈了。跌跌撞撞的，总算完成了这个电机的空载测试。打道回府。到了单位，回顾了一下这次BOP-2调试的过程。就是对BOP-2不会操作。才导致如此不顺利。再去看过BOP-2的操作手册。终于明白了该如何去使用它。关于BOP-2的使用：每个键的定义和操作都在说明理有详述。这里就不赘述了。主要是ESC键和OK键的使用，一个是功能菜单的选择，一个是确认键。在BOP-2上进行快速调试，一般都是比较简单的参数设置。特别是两头的那两个节点，是英文的，要知道含义。最开始是问你要不要工厂化复位参数后再进行快调。选择yes就是要，选择NO就是不工厂化参数复位，直接进入快调。最后面那个是问是否结束快速调试，进入自动计算环节？选择yes即可。并自动结束快速调试流程，可以进入下一步的自动辨识的环节。这是一个快速调试的完整过程。属于非常全的，作为高级调试的参考。其中参数P133.0 = 0/1代表电机绕组的角接/星接P133.1 = 0/1代表要不要87Hz应用。（这个特别强调是有条件的特殊应用。这里不赘述，看手册即可）这是一个标准的电机铭牌数据，针对第三方电机的快速调试，一定要找到与其对应的参数。这些参数准确输入快速调试参数，是电机建模的重要依据。不能马虎。仅此。
西门子商城
西门子中国
拖拉
yming
张予己
love2006
kdrjl
热门标签
相关推荐
