EtherCAT转Profinet网关配置说明第三讲:博图配置

EtherCAT协议转Profinet协议网关模块(XD-ECPNS20)是实现EtherCAT协议和Profinet协议之间无缝通讯的重要设备。使EtherCAT协议Profinet协议能够相互转换,进行工控自动化里的互连和传送数据。

EtherCAT作为一种高性能实时以太网通信协议,Profinet具有较好的特性国家标准。EtherCAT协议转Profinet协议网关模块(XD-ECPNS20)的应用极大地改善了工业控制系统的建设和维护,为工业操纵自动化领域的发展注入了新的动力。

网关配置已完成,下面进入Profinet博图和EtherCAT主站设置过程。

一、网关作为Profinet从站的博图组态

操作步骤

1、博图组态:在博图中新建一个项目,通过“选项”——“管理通用站描述文件”添加网关的GSD文件。

2、选择GSD文件所在的目录,点击安装,请从设备附带的XD-ECPNS20-GSD文件夹下选择gsdml-v2.35-XD-ECPNS20-hi-top-20220520.xml文件安装。

3、在“设备和网络”中添加网关。

4、为网关分配PLC,构建Profinet链接。

5、双击网关的图标,进入设备视图,设置网关的IP地址、子网掩码、设备名称。

6、在线访问——修改实际PLC和网关的IP地址和名称(IP地址要和实际的PLC地址在同一网段,名称要和网关一致)。

7、配置读写数据——切换到“设备视图”,添加数据输入输出模块,输入和输出必须按照上位机映射表槽位条目分别添加。

8、将程序编译下载即可实现Profinet主站设备(S7-1200)读写EtherCAT从站设备的数据。

EtherCAT与Profinet IO数据映射和解析方式。

对齐方式:按照上位机数据映射表。

Profinet主站:应根据映射表槽位对应的EtherCAT字典的含义进行逻辑程序的编写。

说明:

博图组态时,输入和输出槽位请严格按照映射表使用,否则会可能会导致设备异常。

二、网关作为EtherCAT从站的TwinCAT组态

TwinCAT组态前,请确认:

网关配置已完成。

网线接口已经连接完成。

操作步骤

1、博图组态:将设备从站文件复制到TwinCAT安装目录。

2、在TwinCAT中新建一个项目,单击“文件->新建->项目”,输入项目名称Voseic TwinCAT Test Project并单击确定。

3、进入Voseic TwinCAT Test Project解决方案中,单击Reset TwinCAT(Config Mode)按钮,在弹出的对话框中单击确定。

4、右键单击Voseic TwinCAT Test Project解决方案中的IO->Devices,在弹出的菜单中单击Scan。

5、如果弹出如下对话框,则表示TwinCAT扫描到本设备,然后单击OK。

6、如下对话框分别单击确定/是。

7、单击OK。

8、单击否。

9、单击Voseic TwinCAT Test Project解决方案中的IO -> Devices -> Device2 -> Drive1,在右侧页面中选择DC选项卡,将Operation Mode改为DC-Synchron。

10、在弹出的对话框单击是。

11、单击Voseic TwinCAT Test Project解决方案中的IO -> Devices -> Device2 -> Drive1,在右侧页面中选择Online选项卡,确认Current State为OP。

三、 博图和TwinCAT数据映射观察

数据映射前,请确认:两边主站以组态完成。

操作步骤

1、数据映射:打开博图的强制表,进行如下数据强制,单击是。

 2、打开TwinCAT的Output字典,为映射表中的指定Output字典赋值,单击OK,依此类推。

3、观察博图的监控表中指定地址的数据。

4、观察TwinCAT映射表中的指定Input字典是否正确。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/42500.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【讲解下iOS语言基础】

🌈个人主页: 程序员不想敲代码啊 🏆CSDN优质创作者,CSDN实力新星,CSDN博客专家 👍点赞⭐评论⭐收藏 🤝希望本文对您有所裨益,如有不足之处,欢迎在评论区提出指正,让我们共…

【Linux详解】进程等待 | 非阻塞轮询

引入: 为什么?是什么?怎么办 是什么? 进程等待是指父进程暂停自己的执行,直到某个特定的子进程结束或发生某些特定的事件。 为什么? 僵尸进程刀枪不入,不可被杀死,存在内存泄露…

Linux_实现简易日志系统

目录 1、认识可变参数 2、解析可变参数 3、打印可变参数 3.1 va_list 3.2 va_start 3.3 va_arg 3.4 va_end 3.5 小结 4、实现日志 4.1 日志左半部分 4.2 日志右半部分 4.3 日志的存档归类 结语 前言: 在Linux下实现一个日志系统,该日…

ffmpeg图片视频编辑器工具的安装与使用

title: ffmpeg图片视频编辑器工具的安装与使用 tags: [ffmpeg, 图片, 音频, 视频, 工具, 流媒体] categories: [工具, ffmpeg] FFmpeg是一个开源的命令行工具,广泛用于处理视频和音频文件,包括转换格式、剪辑、混流、解码、编码等。以下是一些基本的FFmp…

java项目总结6

目录 1.双列集合 2.map的三种遍历方式&#xff1a; 1.键找值 2.键值对 3.lambda遍历map 3.HashMap 例子&#xff1a;统计字符出现次数 4.LinkedHashMap 5.TreeMap 6.可变参数 7.Collections: 1.双列集合 双列集合特点&#xff1a; 定义Map<String&#xff0c;St…

Linux中的管道符‘|‘以及SQL(DQL,DCL)

ls 指令 语法&#xff1a; ls [选项][目录或文件] 功能&#xff1a; 对于目录&#xff0c;该命令列出该目录下的所有子目录与文件。对于文件&#xff0c;将列出文件名以及其他信息。 常用选项&#xff1a; -a 列出目录下的所有文件&#xff0c;包括以 . 开头的隐含文件。 -…

自注意力机制和多头注意力机制区别

Ref&#xff1a;小白看得懂的 Transformer (图解) Ref&#xff1a;一文彻底搞懂 Transformer&#xff08;图解手撕&#xff09; 多头注意力机制&#xff08;Multi-Head Attention&#xff09;和自注意力机制&#xff08;Self-Attention&#xff09;是现代深度学习模型&#x…

昇思25天学习打卡营第19天|Pix2Pix实现图像转换

1. 学习内容复盘 Pix2Pix概述 Pix2Pix是基于条件生成对抗网络&#xff08;cGAN, Condition Generative Adversarial Networks &#xff09;实现的一种深度学习图像转换模型&#xff0c;该模型是由Phillip Isola等作者在2017年CVPR上提出的&#xff0c;可以实现语义/标签到真实…

点胶系统实战1-项目介绍

准备实战开发如下图的多轴点胶系统实战课程&#xff0c;内容设计界面开发、运动板块开发、任务管理、点胶的控制等。我们将和进入这个领域的初学者门一起进步。 有感兴趣的小伙伴&#xff0c;可以关注点赞&#xff0c;或评论区反馈你们的重点关注的内容&#xff0c;那些部分我…

Postman使用指南①网页版使用

postman官网地址&#xff1a;Postman API Platform 进入后点击右上角免费注册&#xff0c;注册后登录 登录之后即可在网页使用&#xff0c;无需下载

线上问题---反思与回顾

线上问题一&#xff1a;麦哲伦2.0 人群配置不生效 发现背景&#xff1a;产品发现三层模型部分计划个别测试计划圈选人群特征与数仓统计数据的人群不一致&#xff0c;向值班人员反馈 根因定位&#xff1a; &#xff08;1&#xff09;用户配置三层模型计划时&#xff0c;配置单…

RNN 交叉熵

RNN善于处理时序 序列数据 简单RNN 展开就是 LSTM 遗忘门f_t决定上期记忆保留多少 隐藏层 在神经网络中&#xff0c;隐藏层指的是除了输入层和输出层之外的层&#xff0c;它们的输出不会直接用于网络的最终输出&#xff0c;而是作为中间步骤用于提取和转换数据。因此&#x…

【网络安全】实验五(身份隐藏与ARP欺骗)

一、本次实验的实验目的 &#xff08;1&#xff09;了解网络攻击中常用的身份隐藏技术&#xff0c;掌握代理服务器的配置及使用方法 &#xff08;2&#xff09;通过实现ARP欺骗攻击&#xff0c;了解黑客利用协议缺陷进行网络攻击的一般方法 二、搭配环境 打开三台虚拟机&#…

SQL Server特性

一、创建表 在sql server中使用create table来创建新表。 create table Customers( id int primary key identity(1,1), name varchar(5) ) 该表名为Customers其中包含了2个字段&#xff0c;分别为id&#xff08;主键&#xff09;以及name。 1、数据类型 整数类型&#xff…

Towards Accurate and Robust Architectures via Neural Architecture Search

基于网络架构搜索的准确性与鲁棒性结构研究 论文链接&#xff1a;https://arxiv.org/abs/2405.05502 项目链接&#xff1a;未开源 Abstract 为了保护深度神经网络免受对抗性攻击&#xff0c;对抗性训练因其有效性而受到越来越多的关注。然而&#xff0c;对抗训练的准确性和鲁…

扩散模型笔记

长参数“T”决定了生成全噪声图像所需的步长。在本文中&#xff0c;该参数被设置为1000&#xff0c;这可能显得很大。我们真的需要为数据集中的每个原始图像创建1000个噪声图像吗?马尔可夫链方面被证明有助于解决这个问题。由于我们只需要上一步的图像来预测下一步&#xff0c…

vue2 webpack使用optimization.splitChunks分包,实现按需引入,进行首屏加载优化

optimization.splitChunks的具体功能和配置信息可以去网上自行查阅。 这边简单讲一下他的使用场景、作用、如何使用&#xff1a; 1、没用使用splitChunks进行分包之前&#xff0c;所有模块都揉在一个文件里&#xff0c;那么当这个文件足够大、网速又一般的时候&#xff0c;首…

【C++】cout.self()函数

&#x1f4e2;博客主页&#xff1a;https://blog.csdn.net/2301_779549673 &#x1f4e2;欢迎点赞 &#x1f44d; 收藏 ⭐留言 &#x1f4dd; 如有错误敬请指正&#xff01; &#x1f4e2;本文作为 JohnKi 学习笔记&#xff0c;借鉴了部分大佬案例 &#x1f4e2;未来很长&#…

工地/矿区/电力/工厂/环卫视频智能安全监控反光衣AI检测算法的原理及场景应用

一、引言 随着科技的快速发展&#xff0c;特别是在智能交通和安全生产领域&#xff0c;对于夜间或弱光环境下的人员识别和安全监控需求日益凸显。反光衣作为一种重要的安全装备&#xff0c;被广泛应用于道路施工、工地作业、夜间巡逻、安全生产等场景&#xff0c;旨在提高人员的…

Meerkat:第一个统一视听空间和时间定位的MLLM

大型语言模型&#xff08;LLMs&#xff09;在各种自然语言处理任务中表现出色&#xff0c;达到了理解和推理能力的人类水平精度。此外&#xff0c;借助新兴的指令微调范式&#xff0c;这些语言模型可以被赋予遵循开放式自然语言指令的能力&#xff0c;甚至可以与其他模态&#…