支持标准Modbus TCP双网口高精度模拟量模块

M330E以太网远程I/O无线数据采集模块是一款工业级、隔离设计、高可靠性、高稳定性和高精度数据采集模块,嵌入式32位高性能微处理器MCU,集成2路工业10/100M自适应以太网模块里面。提供多种I/O,支持标准Modbus TCP,可集成到SCADA、OPC服务器等自动化系统。专为在恶劣的工业应用环境中工作而设计,广泛应用于各种工业自动化、安防监控系统、自动测控系统。

M330E提供多种I/O,支持标准Modbus TCP、MQTT协议、Modbus RTU协议,可集成到SCADA、OPC服务器等自动化系统以及物联网云平台,如阿里云、华为云、各种私有云等。专为在恶劣的工业应用环境中工作而设计,广泛应用于各种工业物联网、工业自动化、安防监控系统、自动测控系统。

M330E以太网远程I/O模块支持10Hz~300Khz高速脉冲输出。所有的 I/O 都具有高采样频率和特殊的过滤策略,以确保其可靠性。

技术参数

分类

参数

描述

模拟量输入

AIN输入

支持12bit分辨率的020Ma、420Ma、0-5V、0-10V差分输入

精确度

±0.1% FSR @ 25℃,±0.3% FSR @ -10 和 60℃

采样率(所有通道)

每秒采集 20 次,3次确认,带数字滤波,具有很强防抖处理

电流型输入阻抗

1620hm

隔离保护

运放隔离

10/100M自适应以太网接口

通讯规约

MQTT协议、ModBus TCP协议

保护

15KV ESD保护

协议

Modbus/TCP、 TCP/IP

最大链接数

作为Modbus TCP Server时,可同时支持5 TCP链接

RS485通讯接口

通讯规约

MODBUS RTU、Modbus ASCII Master标准规约

通讯地址

1~255可设置

数据格式

可软件设置

采集频率

100ms

通讯速率

可设置1200、2400、4800、9600、19200、38400、57600、115200、128000Bps

电源

无模拟量输出设备

DC12~36V供电,且带有防反接保护设计,峰值电压不得超过+40V

带模拟量AO输出设备

DC24~36V供电,且带有防反接保护设计,峰值电压不得超过+40V

典型待机功耗

≤1.7W,如果有继电器动作:每动作一路0.15W

工作环境

工作温度

-20 ~70℃

存放温度

-40 ~85℃

相对湿度

5 ~95%,无结露(在40℃下)

海拔高度

0~3000米

环境

无爆炸、腐蚀气体及导电尘埃,无显著摇动、振动和冲击的场所

温度漂移

≤100ppm/℃

安装方式

墙壁安装或35mm 标准DIN导轨安装

模块尺寸

105×88×30mm

MxxxE系列产品选型表

型号

描述

电源输出

工作电压

典型待机功耗

M100E

2个以太网口,1个RS485, 2 DI, 2 AI, 2 DO或继电器输出

1 DC

12~36VDC

1.2W-1.68W

M110E

2个以太网口, 1个RS485,4 DI, 4 DO或继电器输出

1 DC

12~36VDC

1.2W-1.68W

M120E

2个以太网口, 1个RS485,4 DI, 4 AI, 2AO, 4 DO或继电器输出

1 DC

24~36VDC

1.2W-1.68W

M130E

2个以太网口, 1个RS485, 8 DI, 4DO或继电器输出

1 DC

12~36VDC

1W-1.2W

M140E

2个以太网口, 1个RS485, 8 DI, 8 DO或继电器输出

1 DC

12~36VDC

1W-1.2W

M150E

2个以太网口, 1个RS485, 8 DI, 4AI, 4 DO或继电器输出

1 DC

12~36VDC

1W-1.2W

M160E

2个以太网口, 1个RS485, 8 DI, 8AI, 8 DO或继电器输出

1 DC

12~36VDC

1W-1.2W

M200E

2个以太网口, 1个RS485, 2 AO,12位

1 DC

24~36VDC

1.2W-1.68W

M210E

2个以太网口, 1个RS485, 4DI

1 DC

12~36VDC

1.2W-1.68W

M220E

2个以太网口, 1个RS485, 4DO或继电器输出

1 DC

12~36VDC

1.2W-1.68W

M230E

2个以太网口, 1个RS485, 4AI

1 DC

12~36VDC

1.2W-1.68W

M240E

2个以太网口, 1个RS485, 4RTD, 2/3线制PT100/pt1000

12~36VDC

0.75W-0.95W

M310E

2个以太网口, 1个RS485, 8DI

1 DC

12~36VDC

1.2W-1.68W

M320E

2个以太网口, 1个RS485, 8DO

1 DC

12~36VDC

1.2W-1.68W

M330E

2个以太网口, 1个RS485, 8AI

1 DC

12~36VDC

1.2W-1.68W

M340E

2个以太网口, 1个RS485, 8RTD, 2/3线制PT100/pt1000

12~36VDC

0.75W-0.95W

M410E

2个以太网口, 1个RS485, 16DI

1 DC

12~36VDC

1.1W-1.32W

M420E

2个以太网口, 1个RS485, 16DO或继电器输出

12~36VDC

0.75W-1W

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。如若转载,请注明出处:http://www.mfbz.cn/a/605052.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

JavaScript异步编程——04-同源和跨域

同源和跨域 同源 同源策略是浏览器的一种安全策略,所谓同源是指,域名,协议,端口完全相同。 跨域问题的解决方案 从我自己的网站访问别人网站的内容,就叫跨域。 出于安全性考虑,浏览器不允许ajax跨域获取…

二总线,替代传统485总线通讯,主站设计

二总线通信设计专栏 《二总线,替代传统485总线通讯,选型及应用-CSDN博客》《二总线,替代传统485总线通讯,低成本直流载波方案实现及原理-CSDN博客》《二总线,替代传统485总线通讯,调试避坑指南之最大的电流…

基于控制工程的牛鞭效应simulink建模与仿真

目录 1.程序功能描述 2.测试软件版本以及运行结果展示 3.核心程序 4.本算法原理 5.完整程序 1.程序功能描述 牛鞭效应”对供应链性能和绩效产生了严重的影响。基于控制理论建立了多级线性供应链的模型,分别利用噪声带宽和Matlab/Simulink对一个可扩…

【快捷部署】024_Hive(3.1.3)

📣【快捷部署系列】024期信息 编号选型版本操作系统部署形式部署模式复检时间024Hive3.1.3Ubuntu 20.04tar包单机2024-05-07 一、快捷部署 #!/bin/bash ################################################################################# # 作者:cx…

竞赛 基于深度学习的人脸性别年龄识别 - 图像识别 opencv

文章目录 0 前言1 课题描述2 实现效果3 算法实现原理3.1 数据集3.2 深度学习识别算法3.3 特征提取主干网络3.4 总体实现流程 4 具体实现4.1 预训练数据格式4.2 部分实现代码 5 最后 0 前言 🔥 优质竞赛项目系列,今天要分享的是 🚩 毕业设计…

CopyClip for Mac - 高效复制粘贴,轻松管理剪贴板

CopyClip for Mac,一款专为Mac用户打造的剪贴板管理工具,让你在复制粘贴的日常任务中,享受到前所未有的高效与便捷。 它常驻在菜单栏中,时刻准备为你服务。一旦你复制了内容,CopyClip就会自动将其保存至历史记录中&…

使用ffmpeg对视频进行转码(支持浏览器播放)

在开发中,算法保存的mp4视频文件通过路径打开该视频发现视频播放不了,需要转码进行播放。使用java代码进行转码。代码如下,inputFilePath是转之前的视频路径,outputFilePath是转之后的视频路径。ffmpeg命令中libx264也可以改为其它…

经验浅谈!伦敦银如何交易?

近期,伦敦银价格出现很强的上涨,这促使一些新手投资者进入了市场,但由于缺乏经验,他们不知道该怎么在市场中交易,下面我们就从宏观上介绍一些方法,来讨论一下伦敦银如何交易。 首先我们要知道,要…

vue3创建响应式数据ref和reactive的区别

reactive和ref在Vue.js中都是用于创建响应式数据的,但它们之间存在一些区别 定义数据类型不同。ref主要用于定义基本数据类型,如字符串、数字、布尔值等;reactive主要用于定义对象(或数组)类型的数据,但re…

【uniapp】阿里云OSS上传 [视频上传]

引用uniapp插件市场的插件,使用的是视频上传 &#xff08;阿里云 oss上传&#xff09; 我只使用了H5和App端&#xff0c;需要后端配置跨域 yk-authpup详情请参考 》》【用户告知权限申请的目的】 【插件市场】阿里云存储OSS前端直接上传(全端通用) - 前端JASON <template>…

scikit-learn多因子线性回归预测房价

1.首先是单因子线性回归预测房价 import numpy as np import pandas as pd from matplotlib import pyplot as plt from sklearn.linear_model import LinearRegression from sklearn.metrics import mean_squared_error, r2_score# 1.读取csa房屋数据 path D:/pythonDATA/us…

【前端学习——css模块化】

https://segmentfault.com/a/1190000039772466#item-2 CSS 命名方法论 为选择器增加冗长的前缀或后缀&#xff0c;手写命名前缀后缀的方式来生成全局唯一的命名 很麻烦不方便 CSS Modules 在外部管理 CSS&#xff0c;然后将类名映射到组件内部&#xff0c;他会为每个 class 都…

[C++]哈希应用-布隆过滤器快速入门

布隆过滤器 布隆过滤器&#xff08;Bloom Filter&#xff09;是一个由布隆在1970年提出的概率型数据结构&#xff0c;它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器的主要特点是高效的插入和查询&#xff0c;可以用于检索一个元素是否在一个集合中。 原理…

box-decoration-break 使用介绍

box-decoration-break属性的使用 一、定义 box-decoration-break是CSS片段模块&#xff08;CSS Fragmentation Module Level 3&#xff09;中的一个属性&#xff0c;主要用于指定背景&#xff08;background&#xff09;、内边距&#xff08;padding&#xff09;、边框&#…

K邻近算法

简介 介绍了非常简单的算法&#xff1a;K邻近算法&#xff0c;即KNN。 基本介绍 K-近邻算法&#xff08;K-Nearest Neighbors&#xff0c;简称KNN&#xff09;是一种基本且广泛应用的监督学习算法&#xff0c;主要用于分类和回归任务。 工作原理非常简答直观&#xff1a;所谓…

nginx: [emerg] invalid number of arguments in “alias“ directive in D:\nginx

问题背景 最近在配置一个nginx的配置&#xff0c;但是reload的时候遇到了以下报错 D:\nginx>nginx -s reload nginx: [emerg] invalid number of arguments in "alias" directive in D:\nginx/conf /nginx.conf:113 解决方案 关于“alias”指令中的参数数量错误…

十二届蓝桥杯Python组1月中/高级试题 第一题

** 十二届蓝桥杯Python组1月中/高级试题 第一题 第一题&#xff08;难度系数2&#xff0c;18 个计分点&#xff09; 编程实现&#xff1a; 输入一个字符串&#xff0c;输出这个字符串的最后一个字符。 输入描述&#xff1a;输入一个字符串 输出描述&#xff1a;输出这个字符串…

OpenCV单窗口并排显示多张图片

OpenCV单窗口并排显示多张图片 效果代码 PS&#xff1a;本例的代码适合图片的宽度和高度都相同。 效果 原始三张图片&#xff1a; 合并显示&#xff1a; 代码 import cv2 import numpy as npdef opencv_multi_img():# 读取图片img1 cv2.imread(saw_1.jpeg)img2 cv2.im…

2024软件测试自动化面试题(含答案)

1.如何把自动化测试在公司中实施并推广起来的&#xff1f; 选择长期的有稳定模块的项目 项目组调研选择自动化工具并开会演示demo案例&#xff0c;我们主要是演示selenium和robot framework两种。 搭建自动化测试框架&#xff0c;在项目中逐步开展自动化。 把该项目的自动化…

实验五 Spark Structured Streaming编程实践

一、编写程序 (1). 按照tag分组统计生成的日志数。 在新开的终端内输入 vi spark_exercise_testsyslog1.py &#xff0c;贴入如下代码并运行。运行之前需要关闭“tail终端”内的tail命令并重新运行tail命令&#xff0c;否则多次运行测试可能导致没有新数据生成。 #!/usr/bin…
最新文章