news 2026/2/10 9:48:28

CoDeSys入门实战一起学习(五):CoDeSys V3 车库门控制编程全解析系列(手册基础第三篇)

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
CoDeSys入门实战一起学习(五):CoDeSys V3 车库门控制编程全解析系列(手册基础第三篇)

第三篇:编程基础篇——变量声明与 FBD 核心逻辑入门

完成工程配置后,就进入核心的编程环节。在 CoDeSys 中,所有输入/输出信号、中间逻辑变量都需要先进行声明,才能在程序中使用。本文就带大家完成变量声明,并入门 FBD(功能模块图)的基本操作,为后续控制逻辑编程打下基础。

一、变量声明:全局变量列表创建与 I/O 定义

本次项目我们使用“全局变量列表”声明变量(全局变量可在整个工程中使用,适合传递传感器、执行器信号),具体步骤如下:

1. 创建全局变量列表:右键点击对象树中的“应用程序”图标,选择“添加对象→全局变量列表”,命名为“仿真信号”(便于后续手动仿真测试)。

2. 变量分类与声明:根据车库门控制需求,变量分为“输入变量”(传感器、控制按钮)和“输出变量”(执行器),所有变量均为布尔类型(BOOL,取值为真/假)。具体声明如下:

变量类型

变量名

含义说明

输入变量

DoorOpen

门开传感器(检测门是否完全打开)

DoorClosed

门闭传感器(检测门是否完全关闭)

DoorOverloaded

过载传感器(检测门运行是否过载)

Actuation

控制按钮(触发门的开关切换)

输出变量

DoorUp

升门驱动(控制门打开)

DoorDown

降门驱动(控制门关闭)

Lighting

顶灯驱动(控制顶灯开关/闪烁)

3. 变量声明验证:完成后保存全局变量列表,可在“仿真信号”列表中查看所有变量,确保无拼写错误(变量名区分大小写,后续编程需严格匹配)。

二、FBD 编程基础:功能块与操作符使用

FBD 是基于“功能块”和“连接线”的可视化编程方式,核心逻辑通过“功能块+操作符”的组合实现。本次项目将用到的核心元素如下:

1. 核心功能块:

  • RS 功能块:置位-复位功能块,用于实现信号的闭锁(保持),有 2 个输入端(S:置位,R:复位)和 1 个输出端(Q:结果);

  • TON 功能块:延时通定时器,输入端 IN 为真时开始计时,达到预置时间 PT 后,输出端 Q 变为真;
  • TOF 功能块:延时断定时器,输入端 IN 从真变假时开始计时,达到预置时间 PT 后,输出端 Q 变为假。

2. 核心操作符:

  • AND 操作符(2 输入/多输入):所有输入端为真时,输出才为真;
  • OR 操作符(2 输入/多输入):任意一个输入端为真时,输出就为真;
  • 沿检测:分为上升沿(信号从假变真)和下降沿(信号从真变假),点击输入前的标记,通过工具栏图标切换。

3. FBD 基本操作:

  • 添加功能块/操作符:从右侧工具箱中选中对应元素,拖拽到编辑器的“Start here”位置;
  • 功能块实例化:在功能块上部“???”处输入实例名(如“RS_OpenDoor”),按回车键自动打开变量声明对话框,点击“OK”即可完成声明;
  • 变量连接:点击功能块/操作符的输入端/输出端,输入变量首字母,通过智能输入列表选择对应变量(或按 F2 打开在线帮助选择);
  • 删除无用管脚:部分功能块的输出端(如 TON 的 ET 消逝时间)若无需使用,可选中后按 Del 键删除。

掌握变量声明和 FBD 基本操作后,下一篇我们将正式编写车库门的核心控制逻辑——开门、关门与停止控制。

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 2026/2/8 15:07:02

【图像加密】基于正弦 余弦混沌映射生成随机序列,对图像 RGB 三通道分别执行 “行移位 - 列移位 - XOR 异或” 操作实现图像加密解密附matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。 🍎 往期回顾关注个人主页:Matlab科研工作室 👇 关注我领取海量matlab电子书和数学建模资料 &#x1…

作者头像 李华
网站建设 2026/1/29 16:54:11

基于深度学习神经网络YOLOv5目标检测的安全帽识别系统

第一步:YOLOv5介绍 YOLOv5是一种目标检测算法,它是YOLO(You Only Look Once)系列的最新版本。YOLOv5在YOLOv4的基础上进行了改进和优化,以提高检测的准确性和速度。 YOLOv5采用了一些新的技术和方法来改进目标检测的…

作者头像 李华
网站建设 2026/2/7 4:08:12

免费|不限速|不限流量|多架构|容器镜像服务---第3批同步:人工智能AI和机器学习领域的重要开源项目的超大43镜像仓库

第3批同步:人工智能AI和机器学习相关的超大镜像 人工智能AI和机器学习的快速发展离不开一些基础设施级的项目,如pytorch、langchain、tensorflow等。 这些项目的镜像目前主要以 AMD64 架构镜像为主,并且镜像往往很大,很多都是10…

作者头像 李华
网站建设 2026/2/5 13:52:28

大模型转行完全指南:从入门到避坑,7大方向+8大误区+最顺滑路径

本文为大模型转行新手提供全面指南,详细介绍NLP、计算机视觉等五大方向的能力要求与岗位匹配,揭示过度依赖理论、忽视基础等八大常见误区,并提供从基础学习到求职准备的六步路径。同时分享丰富的学习资源,包括路线图、教程、实战案…

作者头像 李华