ACC项目充电状态检测异常问题分析与解决方案
问题背景
在OnePlus One(Bacon)设备上运行ACC(Advanced Charging Controller)时出现了一个异常现象:系统显示的充电状态与实际状态完全相反。当设备连接充电器时,ACC显示"Discharging"(放电状态);而断开充电器后,反而显示为充电状态。这个问题在LineageOS 18.1系统和最新开发版ACC上被报告。
技术分析
这种状态反向显示的问题通常与以下几个技术因素有关:
-
电源管理子系统接口:Android系统通过/sys/class/power_supply/下的文件节点向用户空间暴露电源状态信息。ACC正是通过读取这些节点来获取充电状态。
-
极性设置:在某些设备上,充电状态的逻辑值可能需要反转处理。这通常通过"polarity"(极性)参数来控制,但在此案例中,用户尝试设置dp=+/-参数并未生效。
-
内核驱动实现:不同设备厂商对电源状态的定义可能有所不同,导致状态读取出现偏差。
解决方案探索
从问题讨论中可以看到几种解决路径:
-
版本替换方案:有用户报告通过替换为特定版本的ACC解决了状态显示问题,但带来了新的问题——设备会持续充电至100%,失去了充电控制功能。
-
开发版测试:项目维护者提供了新的测试版本(acc_v2025.4.24-rc),专门针对此类状态检测问题进行了优化。
建议解决方案
对于遇到类似问题的用户,建议按照以下步骤处理:
- 首先更新到最新开发版:
acc -u -f dev
- 测试电源开关状态:
acc -t
- 如果问题仍然存在,可以尝试项目维护者提供的最新测试版本。
深入理解
这个问题揭示了Android设备电源状态检测的复杂性。不同厂商设备可能:
- 使用不同的sysfs节点路径
- 对充电状态的定义逻辑不同(正逻辑/负逻辑)
- 内核驱动实现存在差异
ACC作为通用充电控制工具,需要通过完善的设备兼容性处理来应对这些差异。用户在遇到类似问题时,及时反馈设备信息和日志对问题解决至关重要。
后续建议
对于普通用户,当遇到充电状态检测异常时:
- 确保使用最新版本的ACC
- 提供完整的设备信息和操作日志
- 关注项目的更新和特定设备解决方案
对于开发者,这类问题提示我们需要:
- 增强设备兼容性检测
- 提供更灵活的状态检测配置选项
- 建立设备特定的解决方案库
通过社区协作和设备特定的问题解决,可以逐步提高ACC在各种Android设备上的兼容性和可靠性。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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 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
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