PLC、变频器、触摸屏实验台

本装置集变频控制、触摸屏、plc编程逻辑控制器、通信编辑器、编程系统、工控组态系统、拟真教学系统、模仿控制实训箱式挂式模块件、实物与于一体，综合性强、功能齐全。PLC部分可直观地实行基础指令实训，多个应用广泛的PLC实际应用模仿和实物控制实训，同时也为了高层次的设计研发实训实训提供良好的条件：为了集合教学要求，设计过程参考国内多种教学资料及实训指导书，从中精选最具典型性的实训项目，配备装备三相鼠笼异步电动机及继电器，能完成多个电气控制项目实训。变频器选用应用广泛的西门子V20变频器，可完成变频调节速度技术课程的相关教学实训。

二、特别点

1．装置应用结合套件多构造  更换实训模型块便捷，如需拓展功能或研发新实训，只需添加实训箱式挂式模块件即可，永不淘汰。

2．PLC实训对象形像逼真，接近工业现场的实际应用，经过本实训装置的实训，学生很快就能适应现场的作业。

3．应用西门子系列可编程控制器，功能强大，功能优越，应用模型块化设计，结合灵活。

4．组态棒图教学 应用MCGS工控组态系统，全部实训全部已编辑出形象直观、动感强、教学效果好的组态棒图，实行实训动态跟踪教学。
5.基于现场总线的组态监控实训教学：经过现场总线互联网，将实训装置（从站）PLC和主站PLC实行1：N通信。从站的PLC运行控制对象的程序，运用工控互联网集中监控的功能，主站PLC可以对随意台从站PLC实行就地实时监控，符合工业现场控制的要求。学生单独经过PLC完成对各种实训对象的控制，并实行组态就地实时监控（1：1通信）。

三、装置包括

（一）PLC部分

1．PLC可编程控制器实训台：提供三相电源，直线DC稳压电源及安全保护装置

2．PLC实训套件

PLC实训模型块一：

1）音乐喷池模仿控制  2）答题器模仿控制  3）装配流水线的模仿控制 4）十字路交通灯模仿控制  5）自动轧钢机模仿控制 6）天塔之光/电视塔电波模仿控制

PLC实训模型块二：

1）自动送料装车/传送带模仿控制  2）多种液体混合装置/搅拌机模仿控制 3）自动售货机模仿控制 4）水塔自动供水模仿控制  5）邮件分拣模仿控制

PLC、变频器、触摸屏实训台,人工*实训台

一、产品构造构成

系统含有六自由度机械臂、宽动态*视觉摄像头、Jetson Nano边缘处置整理终端17.3寸边缘计算显露单元、机器视觉场景应用资源包、可模仿人工智能典型应用场景，完成人工智能应用技术教学实训。

教学平台系统预装Ubuntu18.04实操系统，全部环境代码库文件均已装配，开机即用。基于多维度学习掌控把握实践平台，由浅入深循序渐进，从基础单独的GPIO拓展开始学习掌控把握过渡到传感器实训项目再进入OpenCVPyTorch、ROS系统，机器动作学，*机器视觉，*语音识别听觉等学习掌控把握，从而学会*人工智能研发。

所提供的算法源代码（包括人脸检验测试、车牌识别、垃圾分类、目标检验测试），兼容Caffe/TensorFlow/MXNet实训模型和API，可以让学生对机器视觉的流程、处置整理方式等有更好的理解，熟悉相关算法，理解实际应用场景，贴近工程化应用。

1、JetsonNano边缘计算平台

NVIDIA Jetson Nano是一个小巧却功能强大的计算机，它可以让你并行运行多个神经互联网、对象检验测试、分割和语音处置整理等应用程序,Jetson Nano搭载四核cortex-A57处置整理器，128核MaxwellGPU及4GB LPDDR内部存储，带来足够的*计算能力,提供472GFLOP算力,并支持一系列流行的Al框体结构和算法，比如TensorFlow、Pytorch.caffe/caffe2、Keras、MXNET等

2、机器视觉(机器臂)

视觉机械臂以Jetson nano为主控，Open Source CV为图像处置整理库，以主流的Jupyter Lab为研发工量具,使用Python3为主要编程语言。摄像头与机械臂机身一体式设计，“手眼合一”的视觉识别让机械臂显得更加灵动，它不仅可以完成颜色识别追踪与抓取，还能人体特征识别互动，甚至实行垃圾分类模型实训垃圾分拣;经过RO5机器人操控系统，简化了6自由度串行总线舵机复杂动作控制。

1080P摄像头：感光元件尺寸：1/237”最高有效分辨率：1928*1088;数值格式：YUY2/MJPG;像素大小：3.0μm*3.0μm;宽动态界限：96DB;自动控制：饱和度，对比度，锐度，白平衡，曝光。

机械臂：Cortex-M3内核的处置整理器控制板，自由度桌面式机械臂，大功率串行总线智能舵机，臂展350mm，负载≥300g，带夹爪，阳极氧化处置整理铝制机身，主要用来工业机械臂的控制。支持python编程，可灵活和精准调动每一关节角度和位置；支持PC上位机、手机APP、USB游戏手柄控制；

3、语音识别-麦克风阵列

麦克风阵列是基于MSM261S4030H0数字麦克风芯片设计的，模型块声音识别感知度、信噪比全部对比高，可应用来声源定位、语音识别、波束成型等需求场合。

1. :RISC-V Dual Core 64bit,with内核,主频400MHz,8M Byte,内置语音识别麦克风阵列(8mics),互联网模型:支持YOLOv3 \ Mobilenetv2 \ TinyYOLOv2,支持TensorFlow/Keras/Darknet/Caffe等主流框体结构

2. 麦克风:6+1个MSM261S4030H0构成阵列（声压级:140 dB SPL，感知度:-26，信噪比: 57dB，THD<1%，时钟频率:1.0-4.0MHz正常模式，150-800kHz低功耗模式）

2.灯光:12个LED经过双信号线级联（颜色和亮度可调)

3.支持声源定位、语音导航、语音交互、离线语音识别。