施耐德EcoStruxure Machine SCADA Expert（EMSE）文本框应用（六）

最新推荐文章于 2024-09-11 15:11:33 发布
最新推荐文章于 2024-09-11 15:11:33 发布
阅读量226 收藏 3
点赞数 2
分类专栏： 施耐德软件学习 SCADA EMSE 文章标签： 机器学习 开发语言 javascript 前端
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43682094/article/details/140398546
版权
施耐德软件学习 同时被 3 个专栏收录
13 篇文章 0 订阅
订阅专栏
SCADA
11 篇文章 0 订阅
订阅专栏
EMSE
11 篇文章 0 订阅
订阅专栏

EMSE实现数值输入的形式相对简单，大致分为：1.通过文字输入链路；2.通过文本框；3.Net控件
首先我们先来看通过文字输入链路。
插入一个文字
在这里插入图片描述
双击文字
在这里插入图片描述
点文字数据链路
在这里插入图片描述
这里可以关联需要的数据变量了，我们新建一个数据点 iNum 类型整数
在这里插入图片描述
添加关联
在这里插入图片描述
注意这里的启用输入，不选择的情况下，参数数值不可修改，开启后可进行修改
在这里插入图片描述
开启后
在这里插入图片描述
在这里插入图片描述
关于文本框的使用
在这里插入图片描述
双击打开文本框，默认是开启输入模式的，与上面的一样，关联变量，就可以了，如果需要可以选择性的开启电子签章、要求确认等功能。
在这里插入图片描述
比如我们勾选了”要求确认“ 会出现如下效果，确认弹窗属于EMSE自带的Msgbox
在这里插入图片描述
通过Net控件可以实现非常多的功能，这些控件来源于Windos系统。
在这里插入图片描述

选择一个NumericTextBox控件
在这里插入图片描述
属性页可以配置这个输入框的基本属性，尺寸大小，颜色，字体等
在这里插入图片描述
关联一个变量，在成员—属性 关联需要的整数类型变量
在这里插入图片描述
效果如下
在这里插入图片描述
关于.Net具体的参数定义需要查找windows
下一节将展示静态对象的应用（智能讯息、下拉选单、列表框）

彪孩！
关注
专栏目录
施耐德EcoStruxure Machine SCADA Expert（EMSE）软件应用（二）
weixin_43682094的博客
07-06 498
例如，每天 10 小时，4 天，或每天 5 小时，8 天，或每天 10 小时，3 天加上 5。目前测试装载win10系统运行比较稳定，安装过程相对简单，直接点那个Setup就可以了，安装过程中会有一个错误提示，关于没有找到源文件的提示，那个直接忽略就可以，不要去管。工作：主要包括报警的配置（可以配置报警触发变量、报警信息内容、报警等级等）、配方、报表、工程脚本、排程、数据库（用于配置需要连接的数据库的接口）插入部分则是对软件画面制作时的功能，这些我很少会在这里选择，可以直接在下面的工程内进行配置，更好用。
施耐德EcoStruxure Machine SCADA Expert（EMSE）软件应用（三）
weixin_43682094的博客
07-10 2382
EMSE新建工程，如何规划画面布局，创建基础模板画面
施耐德EcoStruxure Machine SCADA Expert（EMSE）画面模板与指针应用（十二）
weixin_43682094的博客
07-25 399
修改变量绑定 “$@PumpRun” 其中 “ $PumpRun”是新建的变量 “@”代表指针。[ $#PumpNo:]作为组合件输入变量，可通过外部给过来。其中$cPump.PumpRun 作为泵启动的信号。打开之前创建的弹窗，全选，鼠标右键 创建组合件。复制上边的PopPump内容到新建的弹窗画面。添加一个文本显示，显示泵速值的写入状态。添加一个按钮 打开PopPump的弹窗。这部分主要针对于画面的组合件的使用。添加需要的变量，这里希望控制泵1。点击泵2按钮 设置泵2参数。在添加一个组合件 控制泵2。
施耐德EcoStruxure Machine SCADA Expert（EMSE）软件应用（一）
weixin_43682094的博客
07-06 1532
施耐德EMSE软件初探之功能简介
施耐德EcoStruxure Machine SCADA Expert（EMSE）排程应用（十一）
weixin_43682094的博客
07-24 241
这里有一个小技巧就是利用排程的时间来实现固定相对准确时间的触发（最小单位为秒）这需要时间日期的格式，具体可参看系统变量 $Date $Time。表示变量数值发生变化时 执行触发动作（变量iSelect+10）比如实现一个BLINK 1s闪烁 那么这里的系统时钟是准确的。表示将会在每天上午8点41分对变量iNum进行+1 的操作。这里将时间格式改成了 2024-07-24 这样的格式。这不是唯一固定不可变更的，可以通过函数进行修改。表示每5s对变量iSelect进行+1。事件分为三种：日历、时钟、变更。
施耐德EcoStruxure™ Control Expert 用户手册、安装手册、参考手册、功能块库（中文版）
10-15
EcoStruxure™ Control Expert 是施耐德电气推出的一款先进的控制系统软件，它集成了用户手册、安装手册、参考手册和功能块库，为用户提供全方位的解决方案，旨在优化工业自动化和过程控制。这款软件是基于M580系列 ...
EcoStruxure Machine SCADA Expert如何创建相机设备
05-11
1. 打开 EcoStruxure Machine SCADA Expert 软件并进入“设备”部分。 2. 在设备列表中，单击“添加设备”按钮。 3. 在“添加设备”对话框中，选择“相机”设备类型。 4. 输入设备的名称和描述。 5. 在“连接”选项...
EcoStruxure Machine SCADA
05-05
EcoStruxure Machine SCADA 是施耐德电气公司推出的一款面向机器设备的监控与控制软件。它提供了一个集成化的开发平台，使用户能够轻松地创建、管理和维护用于监控、控制和优化机器设备的应用程序。该软件具有高效、...
笔记本自带的摄像头在EcoStruxure Machine SCADA中如何实时显示相机采集
05-05
要在EcoStruxure Machine SCADA中实时显示笔记本自带的摄像头采集，您需要按照以下步骤操作： 1. 安装相机驱动程序并确保相机在设备管理器中正常运行。 2. 在EcoStruxure Machine SCADA中创建一个新的视图，并添加...
【机器学习】4 ——熵
qq_43507078的博客
09-07 1195
信息熵
GAN 干！！！！
qq_56618414的博客
09-07 1280
自监督学习(Self-supervised learning) 旨在对于无标签数据 ，通过设计 辅助任务（Proxy tasks） 来挖掘数据自身的表征特性作为监督信息，来提升模型的特征提取能力（PS：这里获取的监督信息不是指自监督学习所面对的原始任务标签，而是构造的辅助任务标签）。D 的训练过程：从真实数据分布和噪音变量的先验分布中采样数据，用 value function 训练一个二分类的分类器，但分类器输出的概率一直是 1 / 2 --> D 什么都分不出来 --> 分布是重合的。
【机器学习】5 ——过拟合，正则化
qq_43507078的博客
09-08 755
正则化
深度学习--对抗生成网络（GAN, Generative Adversarial Network）
GDHBFTGGG的博客
09-07 1272
对抗生成网络（GAN）是近年来在生成式模型领域的重要突破，通过生成器与判别器的对抗博弈，GAN能够生成高度逼真的数据。其应用范围广泛，涵盖了图像生成、数据增强、超分辨率重建、风格迁移等多个领域。然而，GAN的训练过程具有挑战性，特别是在平衡两者的对抗关系上仍然存在技术难题。随着技术的不断发展，GAN在生成数据、创造内容等方面的应用前景将更加广阔。
AI论文精读笔记-Generative Adversarial Nets(GAN)
最新发布
小菜的博客
09-11 934
GAN论文精度笔记
Cadenza 项目：机器学习如何改善听力受损人士的音乐聆听体验
声纹感知 洞察芯声
09-10 1177
在本文中，我们描述了Cadenza项目：挑战方法首次应用于改善听力损失者音乐音质的问题。报告了两个挑战，主要区别在于第一个挑战（CAD1）是用于通过耳机收听，而第二个挑战（ICASSP24），是用于通过扬声器收听。任务目标是对立体声音乐信号进行分解，然后进行重混，因为这样的系统可以帮助解决已知的音乐收听和听力损失问题。
机器学习-------数据标准化
yanminghe66666的博客
09-10 753
在做训练时，需要先将特征值与标签标准化，可以防止梯度防炸和过拟合；将标签标准化后，网络预测出的数据是符合标准正态分布的—StandarScaler()，与真实值有很大差别。因为StandarScaler()对数据的处理是（真实值-平均值）/标准差。同时在做预测时需要将输出数据逆标准化提升模型精度：标准化 / 归一化使不同维度的特征在数值上更具比较性，提高分类器的准确性。提升收敛速度：对于线性模型，数据归一化使梯度下降过程更加平缓，更易正确的收敛到最优解。
【人工智能学习笔记】4_4 深度学习基础之生成对抗网络
RIKI_1
09-10 508
一种深度学习模型，通过判别模型（Discriminative Model）和生成模型（Generative Model）的相互博弈学习，生成接近真实数据的数据分布或对输入数据进行分类；近年来复杂分布上无监督学习最具前景的方法之一。
机器学习和深度学习的区别
swpucwf的博客
09-10 1559
在当前人工智能的研究中，（Machine Learning, ML）和（Deep Learning, DL）是两项核心技术，它们虽然经常被混用，但在模型复杂性、数据依赖性以及应用场景等多个维度上存在显著差异。作为这两个领域的研究者，有必要从更高层次的视角出发，详细剖析它们的差异，以帮助读者理解为何深度学习逐渐成为现代人工智能的“主角”。在讨论（ML）与（DL）时，除了它们的差异、应用和未来发展方向，了解它们的是理解它们演进和重要性的关键。下面将深入探讨机器学习和深度学习的历史发展。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

彪孩！

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值