没有合适的资源？快使用搜索试试~ 我知道了~

首页KV Replay Viewer Ver.2：梯形图处理软件用户指南

KV Replay Viewer Ver.2：梯形图处理软件用户指南

需积分: 5 0 下载量 161 浏览量更新于2024-06-22 收藏 6.73MB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

试读

232页

KV REPLAY VIEWER Ver.2是一款由基恩士(Koyo Keiki)公司开发的专用梯形图支持软件，主要用于监控和分析PLC（Programmable Logic Controller）设备的运转记录和程序执行情况。该软件的设计目标是简化操作流程，提供强大的图形化编程界面，帮助用户高效地理解和调试PLC程序。在使用KVREPLAYVIEWER前，用户需要熟悉相关文档，包括KV-8000系列的用户手册，该手册详述了系统的配置、CPU内置功能和梯形图程序的创建方法。此外，针对不同型号的PLC系列，如KV-8000/7000/5000/3000/1000系列和KVNano系列，还有ST语言编程手册和脚本编程手册，分别指导用户如何编写和理解指令、控制语句和函数。 KVREPLAYVIEWER用户手册是核心文档，它详细介绍了软件的操作步骤，包括单元编辑器的使用、运转记录与重放功能、显示和查找功能，以及监控器和工具的运用。用户在使用时，必须先阅读安装指南，确保充分理解软件的工作原理和操作流程。安全使用注意事项部分非常重要，强调了在操作KVREPLAYVIEWER时必须遵守的规则，以防人员伤害或产品损坏。书中提供了各种标识，如可能导致人员伤亡的警告、轻度或中度伤害的提示，以及使用过程中的限制和注意事项，确保用户在安全的环境中进行操作。为了充分利用KVREPLAYVIEWER的功能，用户需要将此手册作为参考资料，定期查阅，特别是初次使用或遇到问题时。手册的最终目的是提供一个全面的指导，帮助用户提升PLC程序的开发效率和维护能力，从而确保生产过程的安全和顺畅。

资源详情

资源推荐

1-2

－ KV REPLAY VIEWER Ver.2 用户手册－

开始使用前

1-1

KV REPLAY VIEWER 概述

对 KV REPLAY VIEWER 的运行环境与系统组态、特点与功能等进行说明。

在使用前一定要仔细阅读。

运行环境及系统组态

运行 KV REPLAY VIEWER 时，必须满足下述环境要求。

请确认所使用的系统是否符合下述条件、必要的设备是否齐全。

支持的计算机设备

预装 Windows 11/10/8/7，配备有 RS-232C，USB 或

Ethernet 接口的计算机

DVD-ROM 光驱

CPU

Windows 11/10/8/7 ：

Microsoft 公司推荐的处理器

内存容量

Windows 11/10/8/7 ：Microsoft 公司推荐的内存容量

适用的操作系统

• Windows 11/Windows 10/Windows 8（含 8.1）/Windows 7

（SP1 或以上）

硬盘可用空间

　3200MB 以上

* 安装手册帮助文件时，每种语言需要占用 700MB 的可用空间。

* 在上述容量以外，安装过程中还会临时占用 1000MB 的可用空间。

PLC

KV REPLAY VIEWER Ver.2 支持以下 PLC。

• KV-8000

• KV-8000A

ᢃঠᵪ

ᢉদᵰ

䘎᧕ PC ઼᭟ᤱ

Windows Ⲵᢃঠᵪ

(300 dpiԕк)

KV ㌫ࡇ

ᱴ⽰ಞ

࠶䗘⦷1024×768ˈ

儈ᖙ㢢˄16ս˅ԕк

OUT

KV-SIR32XT

0123 4567

11 12 13 14 15

0234567

KV-SAD04

V0+

I0+

COM

V1+

I1+

COM

V2+

I2+

COM

V3+

I3+

COM

CH0

CH1

CH2

CH3

1-3

1-1

KV REPLAY VIEWER 概述

开始使用前

－ KV REPLAY VIEWER Ver.2 用户手册－

KV REPLAY VIEWER 功能

KV REPLAY VIEWER 的功能如下。

 单元编辑器功能

•显示 KV-8000 系列的系统。

•显示 KV-8000 系列各单元的设定及继电器/DM。

 重放功能

•可以读取 CPU 单元（CPU 存储器、SD

卡）或个人电脑上保存的运转记录进行播

放。

• 故障发生前后的位软元件的 ON/OFF 状

态或字软元件的值、相机拍摄的影像可以

通过梯形图程序、实时时序图监控器、重

放 VT 浏览器进行确认。

• 作为时间序列的数据可以一边执行播放、

停止、倒带、帧前进等一边进行确认，因

此可以活用于传感器发生颤动等之后难以确认的故障原因的解析。

• 可在分析报告浏览器中显示通过KV-XD02的异常分析创建的分析报告。

1-4

－ KV REPLAY VIEWER Ver.2 用户手册－

开始使用前

1-2

软件的安装

对在 PC 硬盘上安装 KV REPLAY VIEWER 的方法进行简单说明。

安装的准备

安装前请仔细确认以下事项。

 硬盘可用空间

KV REPLAY VIEWER 只能进行硬盘安装。安装目标硬盘的剩余空间需 3200MB。如果没有足够的可用

磁盘空间，请在安装前整理准备出满足要求的可用磁盘空间。

“运行环境及系统组态”，第 1-2 页

 Windows 环境与安装目录

KV REPLAY VIEWER

是在

Windows

上运行的软件，要求在

Windows

上进行安装。

确认将要使用的计算机中安装的是 Windows 11/10/8/7 系统，并确认运行是否正常。

 USB （USB 端口）

PC 使用 USB 端口读取 KV-8000 内的运转记录时，PC 的 USB 接口必须为可用状态。关于设定方法，请

参阅您的 PC 手册。

 以太网（以太网端口）

PC 使用以太网端口读取 KV-8000 内的运转记录时，PC 的以太网接口（LAN 功能）必须为可用状态。关

于设定方法，请参阅您的 PC 手册。

 RS-232C （串行端口）

PC 使用 RS-232C 端口读取 KV-8000 内的运转记录时，PC 的 RS-232C（串行端口）接口必须为可用状

态。关于设定方法，请参阅您的 PC 手册。

 Bluetooth 通信

若要从计算机经由连接至KV-5500/5000/3000 的 “ 蓝牙单元KV-BT1”读取“KV-8000”中的运转记录，请事

先做好准备，将蓝牙连接用USB适配器（另售）连接到计算机。关于设定方法，请参考 Bluetooth 连接

用 USB 适配器的使用说明书。

1-5

1-2

软件的安装

开始使用前

－ KV REPLAY VIEWER Ver.2 用户手册－

安装 USB 驱动程序

在安装 KV REPLAY VIEWER 时会自动安装 USB 驱动程序。再次手动安装时，USB 驱动文件将保存在

路径“C:\Program Files\KEYENCE\KVReplayViewer

\KVReplayViewer”下。

* 表示版本（版本 2 时为 2）。

Windows 11/10/8/7 中的注意事项

 用户权限

将 KV REPLAY VIEWER 安装到标准文件夹（C:\Program files\KEYENCE\KVReplayViewer\）时，请设

定如下所述的访问权限。

•对于使用 KV REPLAY VIEWER 的用户，必须设定“标准用户”以上的权限。

进行安装

启动 Windows，执行安装程序。

• 请根据安装程序的指示进行安装。

在 Windows 11/10/8/7 中安装时，只有拥有“Administrator”权限的用户才能登录系统。

卸载 KV REPLAY VIEWER

在不使用 KV REPLAY VIEWER 的情况下，可卸载 KV REPLAY VIEWER。

请单击 Windows 控制面板中的“添加或删除程序”，卸载 KV REPLAY VIEWER。

在 Windows 11/10/8/7 的环境中进行卸载时，只有拥有“Administrator”权限的用户才能登录

系统。

ᇋ!ݞ

1-6

－ KV REPLAY VIEWER Ver.2 用户手册－

开始使用前

1-3

使用注意事项

以下对使用 KV REPLAY VIEWER 时的注意事项进行说明。请仔细阅读。

确认 PC 设定

使用之前，请确认系统已被设定成使用 USB，RS-232C 或 Ethernet 的状态。

若还没设定，运转记录的读取中发生通信异常，无法正确读取。

关于设定方法，请参阅您的 PC 手册。

通信中…

正处于和 CPU 单元通信并读取运转记录的过程中时，如果切断 KV 系列的电源，或拔出连接电缆时，会

发生通信异常。直到运转记录读取结束为止，请勿实施此类操作。

显示分辨率

请将屏幕分辨率设定为

1024×768

、高彩色（

位）以上、小字体。并且，为了操作舒适，请尽量设定大分

辨率显示。（建议使用

1280×1024

以上的画面）

使用 USB 时的注意事项

连接 USB 时不必经过 USB 的集线器而直接连接到计算机的 USB 端口中，然后再进行使用。因电噪声干

扰而使通信状态不稳定时，通信有时会中断。通信中断时，请重新插入 USB 电缆。

如果因电噪声干扰严重等而导致通信状态不稳定，请在电缆上缠绕电磁屏蔽层。

剩余231页未读，继续阅读

VC播放器2.0

VC的一个播放软件，适合学生制作参考

CentOS 6.5安装Tcpreplay

2. 下载 Tcpreplay ``` wget https://github.com/appneta/tcpreplay/releases/download/v4.3.2/tcpreplay-4.3.2.tar.gz ``` 3. 解压缩文件 ``` tar -zxvf tcpreplay-4.3.2.tar.gz ``` 4. 编译安装 ``` cd tcp...

if len(self.replay_buffer.buffer) > batch_size: state, action, reward, next_state, done = self.replay_buffer.sample(batch_size) reward = reward[:, np.newaxis] done = done[:, np.newaxis]

这段代码是在 SAC 算法的代码实现中，用于从经验池中采样一批经验数据。具体来说，代码中的第一行判断经验池中是否有足够的经验数据，如果有，则进入采样过程。第二行代码使用经验池中的 sample() 方法来随机采样 ...

lr = 2e-3 num_episodes = 500 hidden_dim = 128 gamma = 0.98 epsilon = 0.01 target_update = 10 buffer_size = 10000 minimal_size = 500 batch_size = 64 device = torch.device("cuda") if torch.cuda.is_available() else torch.device( "cpu") env_name = 'CartPole-v1' env = gym.make(env_name) random.seed(0) np.random.seed(0) #env.seed(0) torch.manual_seed(0) replay_buffer = ReplayBuffer(buffer_size) state_dim = env.observation_space.shape[0] action_dim = env.action_space.n agent = DQN(state_dim, hidden_dim, action_dim, lr, gamma, epsilon, target_update, device) return_list = [] episode_return = 0 state = env.reset()[0] done = False while not done: action = agent.take_action(state) next_state, reward, done, _, _ = env.step(action) replay_buffer.add(state, action, reward, next_state, done) state = next_state episode_return += reward # 当buffer数据的数量超过一定值后,才进行Q网络训练 if replay_buffer.size() > minimal_size: b_s, b_a, b_r, b_ns, b_d = replay_buffer.sample(batch_size) transition_dict = { 'states': b_s, 'actions': b_a, 'next_states': b_ns, 'rewards': b_r, 'dones': b_d } agent.update(transition_dict) if agent.count >=200: #运行200步后强行停止 agent.count = 0 break return_list.append(episode_return) episodes_list = list(range(len(return_list))) plt.plot(episodes_list, return_list) plt.xlabel('Episodes') plt.ylabel('Returns') plt.title('DQN on {}'.format(env_name)) plt.show()对上述代码的每一段进行注释，并将其在段落中的作用注释出来

lr = 2e-3 # 学习率 num_episodes = 500 # 训练的总Episode数 hidden_dim = 128 # 隐藏层维度 gamma = 0.98 # 折扣因子 epsilon = 0.01 # ε贪心策略中的ε值 target_update = 10 # 目标网络更新频率 buffer_size = ...

def train(num_ue, F): replay_buffer = ReplayBuffer(capacity=1000) env = env = Enviroment(W=5, num_ue=num_ue, F=F, bn=np.random.uniform(300, 500, size=num_ue), dn=np.random.uniform(900, 1100, size=num_ue), dist=np.random.uniform(size=num_ue) * 200, f=1, iw=0, ie=0.3, it=0.7,pn=500, pi=100,tn = np.random.uniform(0.8, 1.2, size=num_ue), wn = np.random.randint(0, 2, size=num_ue)) net = nn.Sequential() net.add(nn.Dense(512, activation='relu'), nn.Dense(num_ue * 3 + num_ue * (F + 1))) net.initialize(init.Normal(sigma=0.001)) trainer = gluon.Trainer(net.collect_params(), 'sgd', {'learning_rate': 0.01}) batch_size = 64 loss_fn = gluon.loss.L2Loss() state, _, _, = env.get_Init_state() best_state = state[0] print(best_state) for idx in range(100000):#训练 action_ra, action_rf = net_action(net(nd.array(state.reshape((1, -1)))).asnumpy()) next_state, reward, done = env.step(action_ra, action_rf) if done: next_state, ra, rf, = env.get_Init_state() _, reward, _ = env.step(ra, rf) best_state = state[0] replay_buffer.push(state, (ra, rf), reward, next_state, False) state, _, _, = env.get_Init_state() else: best_state = state[0] replay_buffer.push(state, (action_ra, action_rf), reward, next_state, done) state = next_state if len(replay_buffer) > 100: with autograd.record(): loss = compute_td_loss2(batch_size=batch_size, net=net, loss_fn=loss_fn, replay_buffer=replay_buffer) loss.backward() trainer.step(batch_size, ignore_stale_grad=True) print(best_state)

它使用了一个回放缓冲区（replay_buffer）来保存训练数据。在每个训练步骤中，它使用模型对当前状态进行预测，并根据预测结果选择一个动作。然后，它通过执行该动作来获得下一个状态、奖励以及是否完成的标志。如果...

Ue4C++Replay编写回放在非GameInstance中编写的详细案例

2. 开始Replay录制一旦定义了Replay保存文件，就可以开始录制Replay了。这个过程一般分为两步：开始录制和结束录制。开始录制Replay可以使用UEngine::NetworkRemapPath函数。这个函数可用于将网络路径（例如“/...

regionserver.HRegionServer: * ABORTING region server node2,16020,1686548423099: Replay of WAL required. Forcing server shutdown * org.apache.hadoop.hbase.DroppedSnapshotException: region: TestTable,00000000000000000007520000,1686540563263.fe590a49114a5af9defb8c10c4aff8ad.

这个错误提示是由于HBase的WAL日志（Write-Ahead Log）出现了问题，需要重放（replay）WAL来恢复数据，但是重放WAL失败，导致HRegionServer无法正常运行。出现这个错误的原因可能包括： 1. WAL损坏：WAL是HBase中的...

详细解释这段代码 def init(self, args, model, env, logger): self.args = args self.device = th.device( "cuda" if th.cuda.is_available() and self.args.cuda else "cpu" ) self.logger = logger self.episodic = self.args.episodic if self.args.target: target_net = model(self.args).to(self.device) self.behaviour_net = model(self.args, target_net).to(self.device) else: self.behaviour_net = model(self.args).to(self.device) if self.args.replay: if not self.episodic: self.replay_buffer = TransReplayBuffer( int(self.args.replay_buffer_size) ) else: self.replay_buffer = EpisodeReplayBuffer( int(self.args.replay_buffer_size) ) self.env = env self.policy_optimizer = optim.RMSprop( self.behaviour_net.policy_dicts.parameters(), lr=args.policy_lrate, alpha=0.99, eps=1e-5 ) self.value_optimizer = optim.RMSprop( self.behaviour_net.value_dicts.parameters(), lr=args.value_lrate, alpha=0.99, eps=1e-5 ) if self.args.mixer: self.mixer_optimizer = optim.RMSprop( self.behaviour_net.mixer.parameters(), lr=args.mixer_lrate, alpha=0.99, eps=1e-5 ) self.init_action = th.zeros(1, self.args.agent_num, self.args.action_dim).to(self.device) self.steps = 0 self.episodes = 0 self.entr = self.args.entr

若args中有replay，则根据是否使用episodic，创建一个TransReplayBuffer或EpisodeReplayBuffer缓冲区，大小为args.replay_buffer_size；同时，将env赋值给类的env属性。接着，使用optim.RMSprop创建policy_optimizer...

dqn算法matlab代码

replay_buffer.add(state, action, reward, next_state, done); % 从回放缓存中抽取批数据进行训练 if replay_buffer.size() > batch_size batch = replay_buffer.sample(batch_size); train(q_network, ...

def update(self): if len(self.replay_buffer) < self.batch_size: return samples = np.array(random.sample(self.replay_buffer, self.batch_size), dtype=object) states = np.stack(samples[:, 0]) actions = np.stack(samples[:, 1]) rewards = np.stack(samples[:, 2]) next_states = np.stack(samples[:, 3]) dones = np.stack(samples[:, 4])

这段代码看起来像是强化学习中的经验回放（experience replay）的代码。可以看出，这个函数的作用是从回放缓存中采样一些经验，然后用它们来更新神经网络模型。具体来说，这个函数首先判断回放缓存中是否有足够的...

tft模型在python上怎么实现

self.conv2 = tf.keras.layers.Conv2D(filters=64, kernel_size=4, strides=2, activation='relu') self.conv3 = tf.keras.layers.Conv2D(filters=64, kernel_size=3, strides=1, activation='relu') self....

while len(self.PER_memory) <= train_params.BATCH_SIZE: sys.stdout.write('\rPopulating replay memory up to batch_size samples...') sys.stdout.flush()

如果这个条件成立，则执行循环体中的代码块，即在控制台输出"Populating replay memory up to batch_size samples..."。在WHILE循环中，sys.stdout.write('\rPopulating replay memory up to batch_size samples.....

shizi1215

粉丝: 28
资源: 16

上传资源快速赚钱

我的内容管理展开

我的资源快来上传第一个资源

我的收益

登录查看自己的收益

我的积分登录查看自己的积分

我的C币登录后查看C币余额

我的收藏

我的下载

下载帮助

KV Replay Viewer Ver.2：梯形图处理软件用户指南

VC播放器2.0

CentOS 6.5安装Tcpreplay

if len(self.replay_buffer.buffer) > batch_size: state, action, reward, next_state, done = self.replay_buffer.sample(batch_size) reward = reward[:, np.newaxis] done = done[:, np.newaxis]

解释b_s, b_a, b_r, b_ns, b_d = replay_buffer.sample(batch_size)

python获取Warcraft III 本地比赛数据

用python实现抗重放攻击

Ue4C++Replay编写回放在非GameInstance中编写的详细案例

regionserver.HRegionServer: ***** ABORTING region server node2,16020,1686548423099: Replay of WAL required. Forcing server shutdown ***** org.apache.hadoop.hbase.DroppedSnapshotException: region: TestTable,00000000000000000007520000,1686540563263.fe590a49114a5af9defb8c10c4aff8ad.

麒麟安装tcpreplay

loadrunner error 27720

file_packets = scapy.utils.rdpcap(filename=file_name) suht = file_packets.sessions()上述代码中如何使用suht 实现流量统计、数据包重放等。请给出详细代码

tcpreplay命令使用详解

dqn算法matlab代码

tft模型在python上怎么实现

while len(self.PER_memory) <= train_params.BATCH_SIZE: sys.stdout.write('\rPopulating replay memory up to batch_size samples...') sys.stdout.flush()

最新资源

regionserver.HRegionServer: * ABORTING region server node2,16020,1686548423099: Replay of WAL required. Forcing server shutdown * org.apache.hadoop.hbase.DroppedSnapshotException: region: TestTable,00000000000000000007520000,1686540563263.fe590a49114a5af9defb8c10c4aff8ad.