TIA博途随机函数全局库：PLC伪随机数生成原理与工程应用指南

简介：TIA博途V15.1随机函数全局库文件是一份专为西门子PLC开发者设计的可复用功能库，用于在工程中快速生成均匀分布、正态分布等随机数，免去手写随机算法的繁琐环节。它尤其适合仿真测试、故障注入、数据分析以及智能算法开发等需要动态输入的场景，能显著提高程序调试与验证效率。压缩包仅273KB，共9个文件，以xml配置、al15_1库文件、idx索引及plf格式模块为主，接入博途工程后即可调用，全局共享机制也保证了多程序块间随机逻辑的一致性与复用性。目前已有900人学习下载，适合正在使用TIA博途V15.1进行PLC编程或工业自动化仿真的工程师作为标准库备存使用。

1. 从 TIA 博途随机函数全局库说起

做自动化项目的人迟早会碰到一个问题：PLC 程序里需要随机数，但标准指令库翻遍了都找不到一个合适的。有人用定时器低位拼一个“伪随机”值，有人直接从模拟量通道读噪声，这两种方案在现场要么分布不均，要么周期太短。西门子 TIA 博途 V15.1 的随机函数全局库文件，解决的就是这个缺口：它把均匀分布、区间映射等随机数生成逻辑封装在全局库里，任何项目挂载后直接用，不必自己从头写生成算法，也不用为每个设备单独维护一套随机函数。这个库文件适合做仿真测试、故障注入、数据分析以及智能算法验证的工程师，你不需要深入研究随机数理论，只要理解几个核心参数，就能在 OB、FB 里快速产出可用序列。不过有一个结论先说在前面：全局库里的随机函数本质上是伪随机数生成器（PRNG），它的周期和统计特性适合工业仿真，但绝不适合安全加密场景，这一点在后文会专门展开。

2. 随机函数库的机制与库文件结构

把库文件拽进 TIA 博途只是一个动作，真正重要的是理解这个库在 PLC 里是怎么运行的，以及它内部的随机数生成逻辑是什么。这一章先讲机制，再讲文件结构，最后给出一段可以自己复刻的 SCL 实现。

2.1 全局库中的随机数生成机制

TIA 博途 V15.1 的随机函数全局库，核心实现通常基于线性同余生成器（LCG）。它的递推公式是X_{n+1} = (a * X_n + c) mod m，其中a是乘数，c是增量，m是模数。PLC 里的 DINT 是 32 位有符号整数，因此常见的做法是把m设为2^31，这样既能覆盖整个正整数区间，又不会因为溢出产生未定义行为。LCG 的优点是计算量极小，一个扫描周期内可以执行成千上万次，而且状态只占一个 DINT 变量，这对存储资源有限的 S7-1200/1500 非常友好。

库的“全局”属性决定了它的状态存储方式。当这个随机函数块以 FB 形式存在时，随机序列的当前状态保存在实例 DB 中，意味着只要实例 DB 不被删除，序列就能持续递推下去，不会因为块调用结束而丢失。这也是全局库相比普通 FC 的优势：你把块拖到任何 OB 里调用，只要实例 DB 指向同一个数据块，得到的序列就是连续的，而不是每次调用都重新从种子开始。这一点在仿真测试中非常关键。如果库作者把函数封装成 FC，那么状态只能存在全局 DB 或静态变量里，调用方必须自己管理种子，否则每次调用都会生成相同序列。

提示：判断库里的随机函数是 FB 还是 FC，可以在全局库的“模板副本”里看块类型图标。FB 带实例 DB，FC 不带。若你看到的是 FC，调用时务必自己维护种子状态。

2.2 随机函数库的文件结构与包格式

拿到TIA博途_随机函数全局库文件V15.1版本.rar后，解压出来是一个全局库文件System 随机函数全局库.al15_1。这个后缀名值得先解释一下：.al15_1是 TIA Portal V15.1 专用的全局库归档格式，它封装了库的版本信息、依赖的固件版本和编译后的块属性。如果你在 V16/V17 里直接双击打开，可能会提示“库版本不兼容”，这是因为归档格式里的内部版本号不匹配，不是文件损坏。解决办法是先用文本编辑器打开.al15_1检查头部声明，或者直接新建一个 V15.1 项目再挂载库。

解压后目录里还会出现UserFiles、IM、TMP、XRef等文件夹，这些是归档生成时的索引和交叉引用缓存，正常使用不需要手动处理。直接从 TIA Portal 的“全局库”选项卡点“打开”，选中System 随机函数全局库.al15_1即可挂载到当前项目。挂载后，你会在库的“模板副本”目录下看到随机函数相关的 FB 和 FC，这些块可以直接拖到项目程序块中使用。

2.3 从新建全局库到导入函数块

如果你不想直接用现成库文件，而是想自己复刻一个随机函数全局库，也完全可行。下面这个流程同时适用于“验证导入的文件是否完整”和“从零搭建自己的随机库”：

1. 在 TIA Portal V15.1 中新建一个项目，左侧“全局库”选项卡点击“新建全局库”，命名如RandLib，保存到本地。
2. 在库的“模板副本”下添加一个 FB，名称设为RAND_UNIFORM。添加时选择“仅接口”还是“调用接口”取决于你后续要不要修改块源码；建议选“调用接口”，这样能把实现一起带过去。
3. 在 FB 的接口区声明输入输出参数：LOWER（REAL，范围下限）、UPPER（REAL，范围上限）、SEED（DINT，可选种子）、RESULT（REAL，输出随机值）。
4. 编写实现部分，把线性同余生成器映射到 FB 里。典型写法如下（SCL）：

FUNCTION_BLOCK "RAND_UNIFORM" { S7_Optimized_Access := 'TRUE' } VERSION : 0.1 VAR_INPUT LOWER : Real; // 区间下限 UPPER : Real; // 区间上限 SEED : DInt; // 种子，0 表示使用系统时间 END_VAR VAR_OUTPUT RESULT : Real; // 均匀分布随机数 END_VAR VAR state : DInt; // 内部状态，保存上一次生成的种子 END_VAR BEGIN // 状态初始化：首次调用或 SEED 非 0 时重置状态 IF #SEED <> 0 THEN #state := #SEED; ELSIF #state = 0 THEN // 首次调用且无外部种子，使用系统时间低位作为初始种子 #state := "GetSystemTime".LDTODINT; END_IF; // 线性同余法：a=1103515245, c=12345, m=2^31 #state := (#state * 1103515245 + 12345) MOD 2147483648; // 归一化到 [0, 1) #RESULT := DINT_TO_REAL(#state) / 2147483647.0; // 映射到 [LOWER, UPPER] #RESULT := #LOWER + #RESULT * (#UPPER - #LOWER); END_FUNCTION_BLOCK

这段 SCL 的逻辑分三个阶段。第一阶段处理种子状态：如果外部传入非 0 的SEED，就用它重置内部状态，保证外部可控；如果SEED为 0 且状态尚未初始化，就用系统时钟的低位 DINT 部分作为初始种子，保证每次上电后首次调用时序列不同。第二阶段是核心的线性同余计算，MOD 2147483648让结果稳定落在 32 位有符号整数的非负区间，除以2147483647.0后归一化到 [0,1) 区间。第三阶段做线性映射，把归一化值拉伸到[LOWER, UPPER]，这样调用方就不用自己做缩放，也避免在程序块里重复写映射公式。

参数说明：LOWER和UPPER允许任意实数，不要求LOWER < UPPER，但建议调用时保持上下限语义一致；SEED是 32 位 DINT，取值范围覆盖正负，传 0 时自动使用系统时间；RESULT输出落在[LOWER, UPPER]区间内，边界不会超出。这个 FB 放在全局库后，任何项目挂载该库都能直接调用，不需要重新编译全局库本身。

注意：上面的GetSystemTime是示例占位。如果当前 CPU 没有读取系统时间的功能块，建议直接在主 OB 里周期性用一个 DINT 变量记录RD_SYS_T的值，再传给SEED。不要让调用方每个循环周期都传 0，否则序列会退化成与扫描周期强相关的不稳定序列。

3. 在 OB/FB 中调用库函数：参数传递与常见错误

库导入和验证之后，真正的使用场景是把随机函数块挂进 OB 或上层 FB 里。这一章不讨论抽象概念，直接看调用代码、参数接线和最容易出错的三种情况。

3.1 从全局库复制函数块到项目

在 TIA Portal 中，全局库里的块不能直接在 OB 中调用，必须先把它拖到项目树自己的“程序块”文件夹里。拖拽时 TIA 会询问是“仅调用引用”还是“复制为项目块”。“仅调用引用”的好处是库源块更新后项目会自动同步，缺点是库文件路径变了或库被删时项目会提示找不到块；“复制为项目块”则把实现独立出来，之后你可以任意修改它，不再受库版本约束。

我建议，在验证阶段用“仅调用引用”，等逻辑稳定后再复制成项目块。这样既能快速跟随库作者修复，又能在最终交付时把随机函数实现固化下来，避免现场 PLC 因为库文件丢失而编译不过。如果你做的是标准化设备库，则反过来：先复制为项目块，通过内部测试后再放回全局库。

3.2 调用示例：批次号生成与仿真输入

下面展示一个典型调用。假设你要为一个装配工位生成随机装配批次号，区间在 1000~9999，并且要求每次上电后序列都不一样。在主 OB1 中周期性调用RAND_UNIFORM：

#mySeed := #mySeed + 1; // 每周期递增，保证连续调用值不同 "RAND_UNIFORM_Instance"( LOWER := 1000.0, UPPER := 9999.0, SEED := #mySeed, RESULT => #randValue ); #batchID := REAL_TO_DINT(#randValue); // 取整得到批次号

这段代码里，#mySeed是一个 DINT 型静态变量，在 OB1 的接口区声明并初始化为 0。每次扫描周期加 1，然后把当前值作为种子传给块。由于线性同余生成器的输出对种子非常敏感，相邻种子会得到完全不相关的输出值，因此即使每周期调用一次，得到的#randValue也分布在整个区间内。REAL_TO_DINT把浮点结果截断取整，批次号落在 1000~9998 之间，几乎不会撞到 9999 边界。

如果连续调用之间间隔很短，像上面那样用递增计数器就是最简单有效的处理方法。比每次传系统时间更稳，因为系统时间在快速连续调用中可能不变，导致多个输出完全相同。

3.3 常见错误一：忽略 SCAN 周期对随机序列的影响

不要在主 OB 里每次调用时都读取系统时间作为种子。PLC 扫描周期通常在 1~10ms 量级，RD_SYS_T返回的时间戳是以 1ms 或更粗粒度递增，相邻扫描周期内时间值可能不变。这意味着连续两次调用会拿到同一个种子，生成完全相同的随机数。这在仿真测试中尤其隐蔽，因为单步调试时每次执行时间间隔很大，你很难在连续两个周期里发现问题。

正确做法是上文那种“种子变量每周期递增”，或者把系统时间只在首次调用时读取一次，存到静态变量里作为初始种子，之后的调用都用输出值作为下一次的输入种子。第二种做法等价于把生成器状态留在实例里，这也是 FB 比 FC 更适合做长期随机序列的原因。

3.4 常见错误二：使用 S7-1200 时缺少非优化访问支持

如果你把库函数复制到 S7-1200 项目里，要注意“优化访问”选项是否被正确继承。TIA V15.1 默认对 S7-1200 开启优化块访问，但如果库块是在 S7-1500 项目里创建的，接口布局可能带着非优化属性，复制到 1200 后会报“块参数无法寻址”之类的编译错误。

解决办法是在复制后的块属性里检查“优化块访问”是否勾选。若没勾选，打开块属性勾上再编译。如果勾选后出现变量地址冲突，说明原库存在绝对地址寻址，建议新建一个 FB，把库里的 SCL 实现整体拷贝进来，这样能彻底绕开访问模式差异。

3.5 常见错误三：把随机数当成加密级随机使用

这个库里的线性同余生成器属于伪随机数生成器，序列周期 2^31，统计特性适用于仿真和测试，但不适合用于加密、权限令牌或安全相关的随机性要求。如果项目里涉及安全通信的随机挑战值，应该使用西门子安全模块提供的真随机数功能块，而不是调用这个全局库。两者在随机性来源上完全不同，前者由热噪声或硬件振荡器产生，后者由确定性的数学公式推导。

提示：判断一个随机数函数是否足够安全，看它是否有状态泄漏可能性。LCG 的当前状态一旦被观察到，后续所有输出都能预测。因此涉及安全场景，不要用 LCG。

3.6 调用前需要确认的库依赖

导入全局库后，先查看库文件的属性面板，确认它要求的固件版本与当前 CPU 固件匹配。比如库块编译目标为 S7-1500 FW V2.5，而你项目中的 CPU 是 FW V2.1，下载时可能提示“模块不支持该块的固件版本”。这种情况不必深究内部参数，只需右键库块选择“编译”，在编译日志里查看它引用的系统函数。若日志中出现类似RD_SYS_T或读取时钟的指令，而当前 CPU 不支持，就会直接报错。

这些依赖关系在全局库的“库元素”列表里可以看到，但更可靠的方法是直接编译一次，所有缺失依赖都会在“信息”窗口列出。不要等到下载到 PLC 才发现。

4. 用随机函数库驱动仿真与故障注入：场景化实例

到这里，随机函数库已经能在项目里正常工作了。但仅仅“能生成随机数”并不代表你真正驾驭了它。这一章围绕三个高价值场景展开：仿真输入生成、故障注入、以及设备老化测试。每个场景都给出具体接法和注意事项。

4.1 仿真场景：用随机数模拟输送线来料差异

在虚拟调试或工厂验收测试中，真实工件传感器信号并不存在，你需要在 PLC 程序里模拟来料位置、重量或尺寸的波动。假设一个分拣工位，来料重量在 800~1200g 之间随机分布，你可以在 OB32（循环中断组织块）中每 100ms 生成一次新重量值：

// 每 100ms 生成一次随机重量，用于仿真 HMI 显示与分拣阈值判断 "RAND_UNIFORM_Instance_Weight"( LOWER := 800.0, UPPER := 1200.0, SEED := #simSeed, RESULT => #simWeight ); #simSeed := #simSeed + 1;

由于重量是连续量，直接把输出送给 HMI 数据库变量或 PID 控制器的设定值即可。若需要模拟真实称重传感器的噪声，可以在每次采样后加一个小的随机偏移，比如#simWeight + RAND(-2.0, 2.0)。这样控制回路看到的信号更接近现场。注意：仿真模式下，随机数只影响仿真变量，不影响真实 I/O 映射，因此不会对实际设备产生任何作用。

4.2 故障注入：随机触发报警来验证诊断逻辑

故障注入的目的是测试 PLC 程序对异常工况的响应。常见做法是设计一个定时器，在随机时刻把某个数字量信号置位，模拟传感器无信号或信号卡死。下面是一个随机间隔的故障注入逻辑：

// 故障注入：每隔随机 5~20 秒产生一个 2 秒宽的故障脉冲 "RAND_UNIFORM_Instance_FaultTime"( LOWER := 5.0, UPPER := 20.0, SEED := #faultSeed, RESULT => #randInterval ); #faultSeed := #faultSeed + 1; IF #faultTimerRunning THEN #faultTimer += 1; IF #faultTimer >= REAL_TO_DINT(#randInterval * 10.0) THEN #sensorFault := TRUE; // 触发故障信号 #faultTimer := 0; #faultTimerRunning := FALSE; END_IF; ELSE #faultTimer += 1; IF #faultTimer >= 100 THEN // 故障持续 10 秒后复位 #sensorFault := FALSE; #faultTimer := 0; #faultTimerRunning := TRUE; END_IF; END_IF;

这段代码把故障间隔随机化，故障持续时间为固定 10 秒。#faultTimer以 0.1 秒为分辨率递增，因此REAL_TO_DINT(#randInterval * 10.0)把秒换算成定时器计数。故障注入的价值不只是验证报警程序能弹出消息，更关键的是验证操作员界面上的故障恢复确认流程是否在连续多次随机故障下都不卡死。要留意：这种逻辑在调试完成后必须用强制变量或删除代码的方式移除，不能留在正式交付的程序里，否则现场会随机出现虚假报警。

4.3 老化测试：随机占空比输出验证设备寿命

老化测试中，需要让执行机构以变化的占空比连续运行。固定 50% 占空比会掩盖某些机械部件的热疲劳效应，随机占空比则更接近真实工况。下面用随机函数生成每个 60 秒周期内的占空比，范围在 20%~80%：

// 老化测试模式：每 60 秒生成随机占空比，控制电磁阀开断 "RAND_UNIFORM_Instance_Duty"( LOWER := 20.0, UPPER := 80.0, SEED := #dutySeed, RESULT => #dutyPercent ); #dutySeed := #dutySeed + 1; #dutyOnTime := REAL_TO_DINT(#dutyPercent * 60.0 * 10.0); // 0.1秒为单位 #dutyOffTime := 6000 - #dutyOnTime;

老化测试逻辑与故障注入类似，但关键差异在于占空比变化时不允许输出跳跃。某些电磁阀如果突然从 80% 占空比切到 20%，可能产生水锤效应。工程上通常给占空比设置最大变化斜率，比如每个周期最多改变 5%。这需要对随机结果做限幅处理：

IF #dutyPercent > #lastDuty + 5.0 THEN #dutyPercent := #lastDuty + 5.0; ELSIF #dutyPercent < #lastDuty - 5.0 THEN #dutyPercent := #lastDuty - 5.0; END_IF; #lastDuty := #dutyPercent;

这段限幅代码把相邻周期的占空比变化限制在 5% 以内，避免执行机构突跳。老化测试场景中，随机数的价值在于覆盖多的工况组合，而限幅逻辑保证变化过程平滑。把这两个结合起来，测试结果才有参考意义。

5. 随机数的验证与质量评估：统计测试与排错方法

随机函数库接入工程后，下一个问题往往是“这个随机数够不够随机”。很多人靠肉眼观察 HMI 曲线下结论，实际上不可靠，肉眼对序列相关性的判断能力很差。这一章给出可操作的验证方法和常见排错手段，收尾部分给一个优化技巧。

5.1 采样并导出随机序列

最直接的验证方法是让 PLC 连续生成 1000 个随机数，存入 DB 块里，然后通过 HMI 导出或通过 Modbus TCP 传到上位机做统计。如果手头有 OPC UA 或 S7 通信，也可以用 Python 写一段快速采集脚本：

import random import statistics # 模拟从 PLC 采集的 1000 个随机数，区间 [0, 1) # 实际项目中可替换为通过 snap7 或 OPC UA 读取 DB 块 samples = [random.random() for _ in range(1000)] mean = statistics.mean(samples) stdev = statistics.stdev(samples) print(f"均值: {mean:.4f}, 标准差: {stdev:.4f}") print(f"理论均值: 0.5, 理论标准差: {1/(12**0.5):.4f}")

这里用了 Python 标准库做描述性统计，mean接近 0.5、stdev接近 0.2887 说明序列在均匀性上没有明显异常。若均值偏差大于 0.05，说明生成器可能存在区间映射偏差，检查UPPER - LOWER是否过大导致浮点精度丢失。

5.2 卡方检验与序列相关性检查

均值与标准差只能发现系统性偏差，序列周期性则需要卡方检验。把 [0,1) 分成 10 个等宽区间，统计 1000 个样本落入每个区间的次数，计算卡方统计量：

import math bins = [0] * 10 for s in samples: idx = min(int(s * 10), 9) bins[idx] += 1 expected = len(samples) / 10 chi2 = sum((obs - expected) ** 2 / expected for obs in bins) print(f"卡方统计量: {chi2:.2f}, 自由度: 9")

5.2.1 结果判读

卡方统计量在 3.33 到 16.92 之间属于正常范围（显著性水平 0.05）。超过 16.92 说明分布不均匀，可能原因是 LCG 的模数限制导致序列周期内某些区间出现频率偏低。低于 3.33 则显得过于均匀，反而要怀疑数据是否被平滑处理过，比如 HMI 归档时做了插值。

5.2.2 相关性检查

相邻样本的自相关系数能暴露线性同余生成器的短周期隐患。计算滞后 1 的自相关系数：

def autocorr(x, lag=1): n = len(x) mean_x = sum(x) / n var_x = sum((v - mean_x) ** 2 for v in x) / n if var_x == 0: return 0.0 c = sum((x[i] - mean_x) * (x[i + lag] - mean_x) for i in range(n - lag)) return c / ((n - lag) * var_x) print(f"滞后1自相关: {autocorr(samples):.4f}")

自相关绝对值小于 0.1 通常认为序列无明显短程相关性。若超过 0.3，说明 LCG 参数选择有问题，倍乘系数和增量组合导致连续输出之间线性相关。工程上的缓解办法是在每次输出后丢弃一个中间值，即连算两次，只返回第二次结果，这能有效打散线性关系。

5.3 常见失败模式与修复对照

5.4 优化技巧：从 LCG 到混合 Tausworthe 生成器

如果统计测试暴露了 LCG 的周期性，可以升级为两个或三个 Tausworthe 生成器组合。Tausworthe 生成器基于移位寄存器，每个生成器周期在 2^31 左右，组合后周期可达 2^88，且输出质量显著更好。

FUNCTION_BLOCK "RAND_TAUS" { S7_Optimized_Access := 'TRUE' } VERSION : 0.1 VAR_INPUT LOWER : Real; UPPER : Real; SEED1 : DInt; SEED2 : DInt; SEED3 : DInt; END_VAR VAR_OUTPUT RESULT : Real; END_VAR VAR s1, s2, s3 : DInt; END_VAR BEGIN // 三个独立的 Tausworthe 状态变量 #s1 := #SEED1; #s2 := #SEED2; #s3 := #SEED3; // 状态更新步，每个常数都经过设计保证周期互质 #s1 := ((#s1 AND 4294967294) * 4294969376) MOD 4294967295; #s1 := #s1 + 4294967292; #s2 := (#s2 * 4294969248) MOD 4294967294; #s2 := #s2 + 4294967291; #s3 := (#s3 * 4294969280) MOD 4294967293; #s3 := #s3 + 4294967289; // 异或合并三个状态，生成最终随机值 #RESULT := #LOWER + (DINT_TO_REAL((#s1 XOR #s2 XOR #s3) MOD 1000000000) / 1000000000.0) * (#UPPER - #LOWER); END_FUNCTION_BLOCK

这段 SCL 里三个状态变量各自独立更新，最后通过异或合并。参数上，三个更新步的乘法常数都经过设计，确保周期互质。由于 SCL 不支持无符号整型，使用AND 4294967294等操作来模拟位串掩码，这在 S7-1500 上可以在一个周期内完成，性能足够 1ms 中断调用。如果不需要 88 位周期的质量，维持 LCG 即可；需要做蒙特卡洛仿真或长时间统计测试时就该换这个。验证方式依然用 5.1 和 5.2 的采样脚本，对比卡方统计量和自相关系数。

本文还有配套的精品资源，点击获取