Klipper3D微步漂移问题分析与解决方案
2025-05-23 11:27:55作者:乔或婵
问题概述
在Klipper3D固件的Z轴探测操作中,发现了一个长期存在的微步漂移问题。该问题会导致在连续探测过程中,触发位置与停止位置之间存在微步级别的差异,这种差异会随着探测次数的增加而累积,最终影响打印质量,特别是床面网格补偿的准确性。
问题表现
当使用高分辨率Z轴(如TR8*4导螺杆,步进角1.8度,64微步)和较快的探测速度(如3mm/s)时,每次探测操作都会产生1个微步的漂移。这种漂移会不断累积,导致:
- 床面网格补偿数据出现系统性误差
- 第一层打印高度不一致
- 打印几何形状失真
- 多轴校准结果不准确
技术背景
Klipper3D的探测机制包含两个关键参数:
- ENDSTOP_SAMPLE_TIME:端停止采样时间
- ENDSTOP_SAMPLE_COUNT:端停止采样次数
这些参数原本是为了解决老式打印机端停止信号噪声问题而设计的,采样机制会在触发后继续运行(ENDSTOP_SAMPLE_COUNT - 1)次采样,以确保触发信号的可靠性。
问题根源
经过深入分析,发现问题出在MCU_endstop.home_wait()函数的实现上。该函数返回触发时间,但没有考虑端停止过采样带来的延迟。具体表现为:
- 触发位置(trig_pos)来自压缩步数
- 停止位置(halt_pos)来自迭代求解器(使用stepper.get_mcu_position())
- 两者之间的差异被错误地添加到stepper.get_commanded_position()
这种实现导致了每次探测都会产生微步级别的误差积累。
解决方案
核心开发者提出了修正方案,主要修改点在klippy/mcu.py文件中:
- 添加_oversample_ticks变量来跟踪过采样时间
- 在_build_config方法中计算并存储sample_ticks
- 修改home_wait方法,在返回时间时考虑过采样延迟
该修正确保:
- 单MCU探测中,trig_pos和halt_pos保持一致
- 多MCU探测中,仍能正确反映通信延迟带来的"过步"
影响范围
该问题影响所有使用以下配置的用户:
- 高分辨率Z轴(小导程螺杆或高微步设置)
- 较快探测速度
- ENDSTOP_SAMPLE_COUNT大于1(默认值为4)
特别影响依赖精确Z轴定位的功能,如:
- 床面网格补偿
- Z轴校准
- 第一层高度控制
- 多轴同步校准
验证结果
经过社区成员测试验证:
- 修正后微步漂移现象完全消失
- 床面网格补偿准确性显著提高
- 多轴校准结果更加稳定可靠
技术建议
对于暂时无法升级固件的用户,可采取以下临时解决方案:
- 降低微步设置(如从64降至16)
- 减小探测速度
- 设置ENDSTOP_SAMPLE_COUNT=1(牺牲噪声过滤)
但建议尽快应用官方修正,以获得最佳打印效果。
总结
这个长期存在的微步漂移问题的发现和解决,体现了开源社区协作的力量。它不仅解决了困扰用户多年的打印精度问题,也为Klipper3D的持续改进提供了宝贵经验。建议所有受影响用户及时更新固件,以获得更稳定、更精确的打印体验。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.71 K
仓颉编译器源码及 cjdb 调试工具。
C++
123
759
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
598
132
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
1.03 K
460
🎉 (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
1.06 K
616
Ascend Extension for PyTorch
Python
141
170
仓颉编程语言命令行工具,包括仓颉包管理工具、仓颉格式化工具、仓颉多语言桥接工具及仓颉语言服务。
C++
55
737
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++
634
232