【亲测免费】 CoDeSys编程手册(中文Word版本)
2026-01-22 04:47:07作者:管翌锬
简介
CoDeSys 是一种功能强大的PLC软件编程工具,它支持IEC61131-3标准中的六种PLC编程语言:IL、ST、FBD、LD、CFC和SFC。用户可以在同一项目中选择不同的语言来编辑子程序和功能模块。CoDeSys是可编程逻辑控制PLC的完整开发环境,其编辑器和调试器的功能基于高级编程语言(如Visual C++)。
目前国内PLC用户主要使用的是CoDeSys V2.3版本,而最新的版本是CoDeSys V3。V3版本在软件架构上有了很大的改善,朝安全软件的方向发展,并正在申请TUV关于EN 61508的SIL认证。CoDeSys软件还可以编辑显示器界面(Visualization),具有很多控制模块(Motion),可以放置图片等强大的功能。
功能总览
- 工程构建:如何构建一个工程。
- 工程测试:怎么样测试工程。
- 调试:调试功能。
- 附加联机功能:附加的联机功能。
- 附加功能和工具:CoDeSys的附加功能和工具。
典型用户
ABB、Bachmann、IFM易福门、EPEC派芬、HOLLYSYS和利时、intercontrol的PROSYD1131、赫思曼公司iFlex系列、力士乐的RC系列、TT control公司TTC系列控制器等PLC厂家都是使用Codesys平台开发自己的编程软件的。国内首家采用codesys平台的国产PLC和声HSC C3系列控制器也已大批量产业应用。同时,也有运动控制厂家如Scheider Electric、Banchman、GoogolTech在使用Codesys平台开发自己的编程软件。
关于CoDeSys
CoDeSys软件商是德国Smart software solution GmbH,该公司位于德国巴伐利亚州肯普腾市。
资源文件
本仓库提供的是CoDeSys的编程手册,中文Word版本。希望对大家有所帮助。
注意:本资源仅供学习和参考使用,请勿用于商业用途。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
656
4.26 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
500
606
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
284
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
891
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
939
861
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
557
暂无简介
Dart
902
218
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
132
207
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
195