使用西门子博途TIA及仿真软件S7-PLCSIM Advanced通过Kepware OPCUA通讯与Fanuc ROBOGUIDE软件连接进行虚拟仿真调试机器人

使用西门子博途TIA及仿真软件S7-PLCSIM Advanced通过Kepware OPCUA通讯与Fanuc ROBOGUIDE软件连接进行虚拟仿真调试机器人

前言

使用ROBOGUIDE软件调试机器人时,与PLC通讯那端的调试使我很头痛,包含激活机器人启动回HOME等功能很难单独使用ROBOGUIDE实现(我想应该归咎于我比较菜),此时又需要建立新的PLC控制FANUC机器人的库就做了尝试用OPC搭建仿真环境的测试。测试成功用起来还不错。

配置TIA程序

·创建PLC,例1515。开启OPC服务器。

OPC配置如下:

在TIA中为添加Fanuc机器人组态

以上为在TIA中OPC作为服务器的配置。

配置S7-PLCSIM Advanced V3.0

 ·建立仿真PLC注意开Online Access。

  输入PLC名称和IP地址,启动后将TIA中的PLC程序和配置下载到PLCSIM中。

配置kepware

·由于S7-1500作为OPC服务器,因此需要将kepware设置为客户端

·先配置OPCUA项目属性

新建客户端配置属性

项目中属性要开允许匿名访问。客户端要输入opc服务器地址就是TIA配置的地址。

·建立S7-1500通讯的变量

查看变量通讯状态。Quality为良好为通讯正常,Unknow为连接失败。

配置Fanuc调试软件ROBOGUIDE

·添加外部设备

选择OPC Server,配置通讯属性

给Fanuc机器人配置UI/UO、DI/DO、GI/GO用于Fanuc的IO逻辑

例:

以上可根据需求修改。

·配置外部IO

  右键选择外部设备I/O连接

注意输出和输入选择的设备类型。

理论可直接配置一个WORD进行整体传输,未做测试。

·配置完成开始连接外部设备

连接完成后可以在外部设备I/O连接界面中的值监控当前变量输入和输出端的状态以确保通讯正确

Read more

【混元AIGC+腾讯云智能体+首创Coze核心流思维导图MCP】:打造一个文思通-智能写作助手Agent

【混元AIGC+腾讯云智能体+首创Coze核心流思维导图MCP】:打造一个文思通-智能写作助手Agent

【混元AIGC+腾讯云智能体+首创Coze核心流思维导图MCP】:打造一个文思通-智能写作助手Agent 1.背景 作为一名长期关注人工智能发展的内容创作者,我经常需要撰写关于AI技术、应用趋势和产品体验的文章。然而,在实际写作过程中,常常会遇到灵感枯竭、结构混乱、表达不够精准等问题。有时候写到一半才发现逻辑断层,或者内容重复,甚至忘记了一些关键知识点。 为了解决这些痛点,我决定打造一个专属于自己的智能写作助手,取名为“文思通”——寓意“文思如泉涌,条理通达”。这个助手不仅要能帮我生成内容,更要具备结构化思维引导、逻辑梳理和语言润色的能力。 最近,我接触到一种创新的工具组合:以 Coze 平台为核心逻辑流,结合自研的思维导图 MCP 服务,可以实现从文本到可视化思维导图的自动转换。这正好解决了我在构思阶段缺乏条理的问题。而选择开发平台时,我注意到腾讯云智能体开发平台与腾讯混元大模型(Hunyuan AIGC) 的深度整合能力非常出色,支持工作流编排、插件扩展(MCP),并且提供稳定高效的推理服务。 最终,我决定采用“混元AIGC + 腾讯云智能体平台

【大模型教程——第二部分:Transformer架构揭秘】第1章:Transformer核心揭秘 (The Transformer Architecture)【上】

第1章:Transformer核心揭秘 (The Transformer Architecture) “Attention is all you need.” - Vaswani et al., 2017 重要提示:本章是全书中唯一详细讲解Transformer架构的章节。后续章节将直接引用本章内容,不再重复讲解核心机制。 本章将带你深入Transformer的每一个核心组件,从数学原理到代码实现,从直觉理解到工程优化。掌握了这些,你就掌握了现代大语言模型的基石。 目录 * 一、宏观蓝图:编码器-解码器架构 * 原始Transformer:翻译机器的设计 * 1. 编码器(Encoder):理解输入 * 2. 解码器(Decoder):生成输出 * 3. 信息流动:编码器到解码器 * 现代简化:为何只用编码器或解码器? * 二、核心组件一:自注意力机制(Self-Attention) * 1. 为什么需要自注意力?从一个问题开始

15-OpenClaw与Telegram机器人集成

15-OpenClaw与Telegram机器人集成

OpenClaw 与 Telegram 机器人集成 ✦ 免费专栏|全套教程: OpenClaw 从入门到精通 ✦ 开篇总览|最新目录: 最新 OpenClaw 教程|从入门到精通|AI 智能助手 / 自动化 / Skills 实战(原 Clawdbot/Moltbot) 概述 OpenClaw 提供了强大的 Telegram Bot 集成能力,通过统一的 message 工具接口,可以轻松实现消息收发、群组管理、媒体处理等功能。本案例将详细介绍如何通过 OpenClaw 构建功能完整的 Telegram Bot。 目录 * 前置准备 * Bot 创建 * Webhook 配置 * 消息处理 * 命令设计 * 高级功能 * 最佳实践 前置准备

使用FPGA实现频率检测(频率鉴别)

使用FPGA实现频率检测(频率鉴别)

使用FPGA实现频率检测通常由两种方式,周期测量法和频率测量法。周期测量法是测量信号一个周期内基准时钟的个数,频率测量法是测量固定时间内有多少个信号周期。         虽然频率测量法测量高频信号时精度更高,但其需要一个闸门时间,响应速度不够快,另外我想是实现的是可以区分1khz、10khz、高电平和低电平的功能,可以说是一个鉴频器,而不是一个频率计,所以根据我的需求说说我的思路和实现方式。         我的基本思路是利用采样时钟对输入信号的周期和一个周期内的高电平进行计数,将测量值和不同频率的阈值范围进行比较,从而鉴别该输入信号的频率。这个过程不得不涉及到两个问题,一是信号频率识别范围,一是信号占空比的范围。信号传输过程中尤其是远距离传输必然会发生一些失真,所以需要对频率和占空比设计一个合理值,防止误识别。根据需求,我将频率识别范围设置为±10%,占空比设置为±5%,因为我设计的是频率区分,所以范围设计的稍宽,好处就是对不同的环境、温度漂移等容忍性更高。         在实际使用代码时,遇到一些问题,比如当信号出现高频干扰,代码有时会将1khz误识别为1