news 2026/4/6 4:39:57

j2b描述ModbusRtu协议

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
j2b描述ModbusRtu协议

modbus.j2b.json5

{"remark":"modbusRtu.j2b.json","agreement":["1. 只列举了常用的0x03,0x06,0x10三个功能码"],"schema":{"FuncIdEnum:u8;功能码":{"0x01":"读线圈;Read Coils","0x02":"读离散输入;Read Discrete Inputs","0x03":"读多个保持寄存器;Read Holding Registers","0x04":"读输入寄存器;Read Input Registers","0x05":"写单个线圈;Write Single Coil","0x06":"写单个寄存器;Write Single Register","0x07":"读设备ID;Read Device Identification","0x0F":"写多个线圈;Write Multiple Coils","0x10":"写多个寄存器;Write Multiple Registers"},"ReadHoldingRegisters;读取多个保持寄存器(0x03)":{"Call@,8":{"slaveAddr":"0:u8","funId":"0x03:FuncIdEnum","startAddr":"0:U16;起始寄存器地址","quantity":"1:U16;寄存器数量","crc":"0:U16;crc16"},"Reply":{"slaveAddr":"0:u8","funId":"0x03:FuncIdEnum","byteCount":"2:u8;数据字节数","data":"0:U16[byteCount/2];寄存器数据","crc":"0:U16;crc16"}},"WriteSingleRegister;写单个寄存器(0x06)":{"Call@,8":{"slaveAddr":"0:u8","funId":"0x06:FuncIdEnum","startAddr":"0:U16;寄存器地址","data":"0:U16;寄存器值","crc":"0:U16;crc16"},"Reply":{"slaveAddr":"0:u8","funId":"0x06:FuncIdEnum","startAddr":"0:U16;寄存器地址","data":"0:U16;寄存器值","crc":"0:U16;crc16"}},"WriteMultipleRegisters;写多个寄存器(0x10)":{"Call":{"slaveAddr":"0:u8","funId":"0x10:FuncIdEnum","startAddr":"0:U16;起始寄存器地址","quantity":"0:U16;寄存器数量","byteCount":"quantity*2:u8;数据字节数","data":"0:U16[quantity];寄存器数据","crc":"0:U16;crc16"},"Reply@,8":{"slaveAddr":"0:u8","funId":"0x10:FuncIdEnum","startAddr":"0:U16;起始寄存器地址","quantity":"0:U16;寄存器数量","crc":"0:U16;crc16"}}},"content;可用于生成或解析modbus数据包":{"request":":ReadHoldingRegisters.Call","response":":ReadHoldingRegisters.Reply"}}
版权声明: 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。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/1 7:31:36

【Open-AutoGLM多分辨率适配全解析】:揭秘高效视觉建模背后的核心技术

第一章:Open-AutoGLM多分辨率适配方案概述Open-AutoGLM 是一种面向视觉语言模型的动态多分辨率输入处理框架,旨在提升模型在不同图像尺度下的理解能力与推理精度。该方案通过自适应调整输入图像的分块策略和特征编码方式,有效平衡计算效率与语…

作者头像 李华
网站建设 2026/3/27 6:43:19

【工业级大模型压缩方案】:Open-AutoGLM量化技术实测性能提升5倍

第一章:Open-AutoGLM模型压缩量化概述在大规模语言模型(LLM)日益普及的背景下,模型推理效率与部署成本成为关键挑战。Open-AutoGLM 作为一种面向 GLM 架构的自动化模型压缩框架,专注于通过量化、剪枝与知识蒸馏等技术&…

作者头像 李华
网站建设 2026/4/4 4:46:57

【限时解读】Open-AutoGLM记忆压缩算法原理:节省70%显存的秘密

第一章:Open-AutoGLM上下文记忆机制原理Open-AutoGLM 的上下文记忆机制是其在多轮对话与复杂任务推理中保持语义连贯性的核心技术。该机制通过动态维护一个可扩展的上下文向量缓存池,实现对历史交互信息的高效存储与检索。与传统静态上下文窗口不同&…

作者头像 李华
网站建设 2026/3/29 10:58:05

FaceFusion镜像提供任务执行进度实时推送

FaceFusion镜像提供任务执行进度实时推送 在如今 AIGC 内容爆发式增长的背景下,人脸替换技术早已不再是实验室里的“炫技”项目。从短视频换脸到影视级数字人生成,用户对处理效率和交互体验的要求越来越高。一个典型的痛点是:当你上传一段 5 …

作者头像 李华