FluidNC v3.9.6版本发布:I/O扩展器优化与归位开关新特性
FluidNC项目简介
FluidNC是一款开源的数控系统固件,专为各类CNC机床和3D打印机设计。它基于ESP32微控制器平台,提供了丰富的数控功能和灵活的配置选项。FluidNC支持多种通信协议,包括WiFi、蓝牙和有线连接,能够满足不同用户的控制需求。该项目持续更新,不断引入新功能和改进,v3.9.6版本就是最新的功能增强版本。
I/O扩展器功能最终优化
在v3.9.6版本中,开发团队对I/O扩展器功能进行了最后的调整和完善。I/O扩展器是FluidNC的一个重要特性,它允许用户通过扩展芯片增加更多的输入输出端口,从而连接更多的传感器、开关和执行器。
这次优化可能包括以下方面的改进:
-
信号稳定性增强:改进了I/O扩展器的信号处理算法,确保在长距离传输或多设备连接时的信号稳定性。
-
响应速度提升:优化了扩展器与主控板之间的通信协议,减少了指令延迟。
-
配置简化:可能改进了配置文件中对I/O扩展器的定义方式,使用户能够更直观地设置扩展端口。
这些改进使得I/O扩展器在复杂CNC系统中的应用更加可靠和高效,特别是在需要大量输入输出设备的应用场景中。
新增归位开关引脚功能
v3.9.6版本引入了一个重要的新功能——homing_switch_pin(归位开关引脚)。这项功能允许用户通过简单的按钮按压来触发机床的归位操作。
技术实现细节
-
硬件连接:用户可以将一个物理按钮连接到ESP32的任意GPIO引脚,然后在配置文件中将该引脚指定为归位开关引脚。
-
软件配置:在YAML配置文件中,新增了对应的配置选项,用户可以灵活定义哪个GPIO引脚将作为归位触发输入。
-
防抖动处理:固件内部实现了按钮信号的软件防抖动处理,确保误触不会导致意外的归位操作。
应用场景优势
- 操作便捷性:无需通过控制软件发送归位指令,直接物理按钮操作更加直观快速。
- 紧急情况处理:在调试或紧急情况下,可以快速触发归位操作。
- 多控制方式:与原有的软件控制归位方式并存,提供更多操作选择。
G代码响应改进
v3.9.6版本对$$命令的响应输出进行了增强,现在会报告ABC轴的值。这一改进主要是为了解决某些G代码发送软件的特殊需求。
技术背景
在CNC系统中,$$命令通常用于查询当前的配置参数。某些专业的G代码发送软件对响应格式有严格要求,特别是对于多轴系统的ABC旋转轴值显示。
改进内容
-
响应完整性:确保所有轴(包括线性轴XYZ和旋转轴ABC)的值都能在响应中正确显示。
-
格式标准化:按照常见G代码发送软件的预期格式组织响应数据,提高兼容性。
-
精度保证:确保轴值报告的精度满足高要求应用场景的需要。
版本升级建议
对于正在使用FluidNC的用户,v3.9.6版本值得考虑升级,特别是:
-
使用I/O扩展器功能的用户,可以获得更稳定的性能表现。
-
需要物理归位按钮操作的用户,新功能将大大提升操作便利性。
-
使用特定G代码发送软件遇到兼容性问题的用户,改进的响应格式可能解决这些问题。
升级时建议:
- 仔细阅读版本变更说明
- 备份当前配置文件
- 检查新版本中配置选项的变化
- 在非生产环境先进行测试
总结
FluidNC v3.9.6版本虽然是一个小版本更新,但包含了多项实用的功能改进和优化。从I/O扩展器的稳定性提升,到新增的物理归位按钮支持,再到G代码响应的兼容性增强,这些改进都体现了开发团队对用户体验的持续关注。对于CNC爱好者和专业用户来说,这些改进将使得机床控制更加灵活、可靠和便捷。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00