Marlin固件中非线性挤出问题的分析与解决
2025-05-14 03:33:06作者:柏廷章Berta
非线性挤出功能简介
Marlin固件中的非线性挤出(Nonlinear Extrusion, NLE)功能是为了解决高速挤出时出现的挤出量不准确问题而设计的。该功能通过数学模型对挤出机运动进行补偿,确保在不同速度下都能获得准确的挤出量。
问题现象
在Marlin固件的bugfix-2.1.x版本中,用户发现当启用非线性挤出功能时,打印线条的起始位置会出现明显的过度挤出现象。具体表现为:
- 线条起始处形成明显的"小丘"或"小点"
- 在纯挤出指令测试中,挤出量会翻倍(当设置C=2时)
- 这种现象在禁用NLE后消失
问题根源分析
经过深入代码审查,发现问题出在stepper.cpp文件中处理非线性挤出的逻辑部分。原始代码仅检查挤出方向(direction_bits.e),而没有考虑当前运动块是否包含XY轴移动。这导致非线性挤出补偿被错误地应用到了纯粹的挤出/回抽动作上。
具体来说,当执行以下操作时:
- 纯挤出指令(如G1 E33.1 F500)
- 回抽后的恢复挤出(unretract)
非线性挤出补偿都会被错误应用,导致挤出量计算不准确。
解决方案
正确的解决方案应该是在应用非线性挤出补偿时,同时满足两个条件:
- 挤出方向为正向(direction_bits.e为真)
- 当前运动块包含XY轴移动(至少有一个XY轴有步进)
修改后的代码逻辑如下:
if (current_block->direction_bits.e && (current_block->steps.a || current_block->steps.b)) {
ne_fix.A = (1L << 24) * ne.A;
ne_fix.B = (1L << 24) * ne.B;
ne_fix.C = (1L << 24) * ne.C;
} else {
ne_fix.A = ne_fix.B = 0;
ne_fix.C = (1L << 24);
}
技术细节解析
-
非线性挤出补偿原理:NLE通过一个二次多项式(包含A、B、C系数)来补偿挤出量随速度变化的非线性关系。
-
运动块分析:Marlin将运动分解为离散的运动块(block),每个块包含各轴的步进信息和运动参数。
-
挤出特殊性:纯挤出/回抽动作不应应用NLE补偿,因为:
- 这些动作通常在高速下执行
- 大部分挤出路径在喷嘴外部完成
- 补偿会导致挤出量计算错误
-
修复验证:通过以下方法验证修复效果:
- 观察线条起始处的挤出情况
- 执行纯挤出指令测试实际挤出量
- 检查回抽/恢复动作的挤出一致性
对打印质量的影响
该修复将显著改善以下打印质量问题:
- 线条起始处的过度挤出(小丘)
- 回抽后的挤出一致性
- 精细细节处的挤出精度
特别是对于以下情况效果明显:
- 高速打印
- 小面积填充
- 精细细节打印
- 使用大回抽量的挤出机配置
总结
Marlin固件中的非线性挤出功能是一个强大的挤出补偿工具,但其应用需要精确控制。通过限制NLE仅在实际XY移动伴随挤出时应用,可以避免纯挤出动作中的过度补偿问题,显著提高打印质量和挤出精度。这一修复体现了固件开发中对运动控制细节的精确把握,是提升3D打印质量的重要改进。
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
225
251
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
319
🎉 (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
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
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
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868