probe-rs项目在AT32F437VMT7芯片上的闪存编程问题分析
2025-07-04 11:51:23作者:劳婵绚Shirley
在嵌入式开发中,使用probe-rs工具链进行固件烧录是一个常见操作。近期有开发者反馈,在将probe-rs从v0.23升级到v0.24版本后,使用J-Link通过SWD接口对AT32F437VMT7微控制器进行闪存编程时出现了问题。
问题现象
开发者在使用v0.24版本时遇到了以下典型错误:
- 闪存编程过程中出现超时错误
- 核心进入LockedUp状态
- 页面写入失败(地址0x08001000和0x08000000)
通过添加--disable-double-buffering选项可以完成编程过程,但程序无法正常运行,核心仍然处于停止状态。
根本原因分析
经过技术团队调查,发现问题源于v0.24版本中对闪存算法栈位置的调整。AT32F4系列芯片具有用户可配置的内存布局特性,而新版本将闪存算法栈移动到了内存末端。这导致在某些配置下,栈可能被放置在不可用的内存区域。
具体来说,AT32F437VMT7芯片虽然标称有512KB RAM,但默认模式下仅启用384KB。如果闪存算法栈被放置在384KB之外的区域,就会导致访问失败。
解决方案
技术团队提出了两种解决方案:
-
临时解决方案:使用
--disable-double-buffering选项可以绕过双缓冲机制,但可能无法完全解决问题。 -
根本解决方案:在目标设备的YAML配置文件中指定
data_load_address,强制将数据加载地址限制在前128KB的安全RAM区域内。这样可以确保所有操作都在确定可用的内存范围内进行。
技术细节
对于AT32F4系列芯片,需要特别注意以下几点:
- 内存布局是可配置的,开发者需要确认实际可用的RAM范围
- 闪存编程过程中使用的栈和数据缓冲区必须位于确定可用的RAM区域内
- 默认的内存配置可能与芯片标称的最大配置不同
最佳实践建议
针对类似问题,建议开发者:
- 在升级工具链后,先进行基本功能测试
- 了解目标芯片的实际内存配置情况
- 遇到问题时,尝试使用不同的编程选项组合
- 关注工具链的更新日志,特别是与内存管理相关的变更
该问题的修复已经合并到probe-rs的主分支中,开发者可以通过更新到最新版本或应用相关补丁来解决这一问题。对于使用AT32F4系列芯片的开发者,建议特别注意内存配置与实际可用内存的匹配问题。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.12 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
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++
663
315
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219