QJ71E71-100 三菱Q系列以太网通信模块

2024-05-14 02:20

本文主要是介绍QJ71E71-100 三菱Q系列以太网通信模块,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

QJ71E71-100 三菱Q系列以太网通信模块 
QJ71E71-100以太网模块是PLC侧连接Q系列PLC与本站系统的接口模块,如个人计算机和工作站,也是通过以太网使用TCP/IP或UDP/IP通讯协议在 PLC 之间的接口模块。QJ71E71-100外部连接,QJ71E71-100参数规格,QJ71E71-100用户手册。
QJ71E71-100参数说明:以太网模块,10BASE-T/10BASE-TX。

一、三菱PLC以太网通信模块QJ71E71-100产品规格说明:
 [传送规格]
  . 数据传送速率:100Mbps(100BASE-TX),10Mbps(10BASE-T)
  . 通讯模式:全双工/半双工
  . 传送方法:基带
  . 最大段长:100m
  . 最多节点/连接数:最多2级(100BASE-TX),最多4级(10BASE-T)
 [传送数据存储器]
  . 允许同时开放连接数:16个连接(顺控程序可用的连接)
  . 固定缓冲存储器:1k字*16
  . 随机访问缓冲器:6k字*1
  . 电子邮件
    附件:6k字*1(注1)
    正文:960字*1(注1)
 [传送规格传送和接收数据]
  . 数据大小
    附件:6k字*1
    正文:960字*1
  . 数据传送方法
    发送时:发送附件或正文(二选一)
    接收时:把文件作为附件接收
  . 标题:Us-ASCⅡ格式或ISO-2022-JP(BASE 64)
  . 附件格式:MIME格式,版本1.0
  . 附件的数据格式:可以选择二进制/ASCⅡ/CSV
    文件名称:****.bin(二进制)、****.asc(ASCⅡ)、****.csv(CSV)
  . 附件的分割:不能分割(只可以发送/接收一个文件),如果接收分割文件只会收到第1个,其它不接收
  . 发送时(编码):标题 BASE64/7位, 正文 7位,附件 BASE64
  . 接收时(解码) 
    标题:不解码
    正文:不解码
    附件:BASE 64/7位/8位/Quoted printable编码
  . 加密:无
  . 压缩:无
  . 与邮件服务器的通信
    SMTP(发送服务器) 端口号=25
    POP3(接收服务器) 端口号=110
 [占用的I/O点数] 32 点/1 插槽(I/O 分配:智能)
 [5VD内部电流消耗] 0.5A
 [外形尺寸H*W*D] 98*27.4*90mm
 [重量] 0.11kg
二、构建以太网系统的配置

将QJ71E71-100模块连接到网络时,可以使用10BASE-T或者100BASE-TX双绞线。以太网模块根据网络集线器来检测传输介质是10BASE-T还是100BASE-TX,是全双工或是半双工传送模式。连接到无自动检测功能的网络集线器时,在网络集线器端设置为半双工传送模式。
1、100BASE-TX连接时


  使用满足IEEE802.3和100BASE-TX标准的设备。
  上图中网络集线器下面的设备:
  . 屏蔽双纹线电缆(STP电缆),种类5
  . RJ45插头
  . 100Mbit/s网络集线器
    可以使用直连电缆。如果通过以太网模块的10BASE-TX,使用交叉电缆连接到外部设备,则不能保证正确操作。但是,可以使用交叉电缆来连接两个以太网模块(例如两个QJ71E71-100模块),用来进行数据通信或连接以太网模块到GOT。
2、10BASE-TX连接


  使用满足IEEE802.3和100BASE-TX标准的设备。
  上图中网络集线器下面的设备:
  . 非屏蔽双纹线电缆(UTP)或屏蔽双纹线电缆(STP),种类3,4,5
  . RJ45插头
  . 10Mbit/s网络集线器
    可以使用直连电缆。如果通过以太网模块的10BASE-TX,使用交叉电缆连接到外部设备,则不能保证正确操作。但是,可以使用交叉电缆来连接两个以太网模块(例如两个QJ71E71-100模块),用来进行数据通信或连接以太网模块到GOT。
QJ71E71-100,QJ71E71-100价格,QJ71E71-100用户手册

这篇关于QJ71E71-100 三菱Q系列以太网通信模块的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/987485

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

【STM32】SPI通信-软件与硬件读写SPI

SPI通信-软件与硬件读写SPI 软件SPI一、SPI通信协议1、SPI通信2、硬件电路3、移位示意图4、SPI时序基本单元(1)开始通信和结束通信(2)模式0---用的最多(3)模式1(4)模式2(5)模式3 5、SPI时序(1)写使能(2)指定地址写(3)指定地址读 二、W25Q64模块介绍1、W25Q64简介2、硬件电路3、W25Q64框图4、Flash操作注意事项软件SPI读写W2

flume系列之:查看flume系统日志、查看统计flume日志类型、查看flume日志

遍历指定目录下多个文件查找指定内容 服务器系统日志会记录flume相关日志 cat /var/log/messages |grep -i oom 查找系统日志中关于flume的指定日志 import osdef search_string_in_files(directory, search_string):count = 0

vue2 组件通信

props + emits props:用于接收父组件传递给子组件的数据。可以定义期望从父组件接收的数据结构和类型。‘子组件不可更改该数据’emits:用于定义组件可以向父组件发出的事件。这允许父组件监听子组件的事件并作出响应。(比如数据更新) props检查属性 属性名类型描述默认值typeFunction指定 prop 应该是什么类型,如 String, Number, Boolean,

GPT系列之:GPT-1,GPT-2,GPT-3详细解读

一、GPT1 论文:Improving Language Understanding by Generative Pre-Training 链接:https://cdn.openai.com/research-covers/languageunsupervised/language_understanding_paper.pdf 启发点:生成loss和微调loss同时作用,让下游任务来适应预训