Ubuntu-Rockchip项目中Rock 5B Plus的Radxa 25W POE HAT风扇问题解析
问题背景
在Ubuntu-Rockchip项目中,用户报告了Rock 5B Plus单板计算机在使用Radxa 25W POE HAT时遇到的风扇不工作问题。该问题出现在Ubuntu 24.04 LTS(Noble Numbat)系统上,内核版本为6.1.0-1021-rockchip。
技术分析
Radxa 25W POE HAT是一个为Rock 5B系列设计的电源和散热解决方案,包含POE供电和主动散热功能。正常情况下,当系统温度升高时,HAT上的风扇应自动启动以降低温度。但在当前配置下,风扇完全无响应。
从设备树(Device Tree)配置来看,问题可能源于以下几个方面:
-
设备树覆盖层不匹配:Ubuntu 24.04使用的6.x内核与之前为5.x内核设计的设备树覆盖层存在兼容性问题。
-
PWM控制信号问题:风扇通过PWM信号控制,但当前的设备树配置可能没有正确初始化PWM控制器。
-
冷却映射配置差异:Ubuntu Rockchip中的Rock 5B设备树使用了不同的冷却映射配置,导致现有的覆盖层无法正常工作。
解决方案探讨
设备树覆盖层编译
要解决这个问题,需要为6.x内核编译新的设备树覆盖层。关键步骤如下:
- 获取正确的内核头文件和源代码
- 使用Radxa提供的覆盖层仓库中的配置
- 编译生成新的.dtbo文件
设备树配置要点
正确的设备树配置应包含以下关键部分:
/dts-v1/;
/plugin/;
#include <dt-bindings/gpio/gpio.h>
#include <dt-bindings/pinctrl/rockchip.h>
#include <dt-bindings/pwm/pwm.h>
#include <dt-bindings/thermal/thermal.h>
/ {
metadata {
title = "Enable Radxa 25W PoE+ HAT";
compatible = "radxa,rock-5b", "radxa,rock-5b-plus";
};
};
&{/} {
radxa_pow_w1: radxa-poe-w1 {
compatible = "w1-gpio";
gpios = <&gpio3 RK_PC3 GPIO_ACTIVE_HIGH>;
status = "okay";
};
radxa_poe_fan: radxa-poe-fan {
compatible = "pwm-fan";
#cooling-cells = <2>;
cooling-levels = <0 64 128 192 255>;
pwms = <&pwm8 0 40000 PWM_POLARITY_INVERTED>;
};
};
&pwm8 {
status = "okay";
pinctrl-0 = <&pwm8m0_pins>;
};
&soc_thermal {
cooling-maps {
map4 {
cooling-device = <&fan0 THERMAL_NO_LIMIT THERMAL_NO_LIMIT>,
<&radxa_poe_fan THERMAL_NO_LIMIT THERMAL_NO_LIMIT>;
};
map5 {
cooling-device = <&fan0 THERMAL_NO_LIMIT THERMAL_NO_LIMIT>,
<&radxa_poe_fan THERMAL_NO_LIMIT THERMAL_NO_LIMIT>;
};
};
};
实施步骤
-
获取必要的工具和源代码:
- 安装设备树编译器(dtc)
- 获取Radxa提供的覆盖层仓库
-
编译设备树覆盖层:
dtc -@ -I dts -O dtb -o rock-5b-radxa-25w-poe.dtbo rock-5b-radxa-25w-poe.dts -
部署覆盖层:
- 将生成的.dtbo文件复制到固件目录
- 更新extlinux.conf配置文件
-
重启系统使更改生效
潜在问题与注意事项
-
内核版本兼容性:确保使用的设备树编译器版本与目标内核版本兼容。
-
GPIO引脚冲突:检查是否有其他设备或功能占用了POE HAT所需的GPIO引脚。
-
热管理策略:验证系统的热管理策略是否与POE HAT的冷却要求匹配。
-
电源管理:确保POE供电能够提供足够的功率,特别是在高负载情况下。
结论
解决Rock 5B Plus上Radxa 25W POE HAT风扇不工作的问题,关键在于为当前内核版本提供正确的设备树配置。通过编译和部署适当的设备树覆盖层,可以恢复风扇的正常功能,确保系统在高负载情况下的稳定运行。对于Ubuntu 24.04用户,需要特别注意6.x内核与之前版本在设备树配置上的差异。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00