Marlin固件中Delta机型使用MicroProbe V2探针的校准问题解析
2025-05-13 08:04:17作者:胡易黎Nicole
问题背景
在使用Marlin固件的Delta型3D打印机上,当采用BIQU MicroProbe V2探针时,用户遇到了自动校准和床面调平失败的问题。该问题表现为探针在校准过程中随机失败,有时会在探测单点多次后突然Z轴大幅移动导致失败,有时会直接撞击打印床。
技术分析
探针信号问题
MicroProbe V2探针对信号有特殊要求:
- 触发信号需要强上拉电阻
- SKR 1.4 Turbo主板只有3个限位开关接口,且Delta机型已全部占用
- 专用探针接口P0_10没有上拉电阻
解决方案:
- 改用E1 Det端口(P1_25),该端口有外部上拉电阻
- 修改固件配置:
#define Z_MIN_PROBE_USES_Z_MIN_ENDSTOP_PIN #define Z_MIN_ENDSTOP_HIT_STATE LOW #define Z_MIN_PROBE_ENDSTOP_HIT_STATE LOW #define BIQU_MICROPROBE_V2 #define PROBE_ENABLE_DISABLE
探测深度设置
当探针未能充分接触床面时,可能出现探测失败:
Z_PROBE_LOW_POINT参数控制探测最低点- 默认值-2mm可能不足,可尝试增大至-3mm或更低
- 但设置过低可能导致撞床风险
电磁干扰问题
MicroProbe V2体积小,对信号干扰敏感:
- 建议在信号线上添加磁环
- 磁环位置不影响效果,可安装在探针端或主板端
床面调平算法差异
测试发现不同调平算法表现不同:
- 三点调平(AUTO_BED_LEVELING_3POINT)工作正常
- 双线性调平(AUTO_BED_LEVELING_BILINEAR)和统一调平(AUTO_BED_LEVELING_UBL)会失败
- 可能原因是Delta机型运动学特性与探针偏移量计算的兼容性问题
深入探讨
Delta机型与笛卡尔机型在探针使用上有本质区别:
- Delta机型探针时喷嘴位于中心,探针偏移量计算方式不同
- 探针边界(
PROBING_MARGIN)设置可能影响探测范围 - 建议检查
NOZZLE_TO_PROBE_OFFSET参数是否准确反映物理偏移
最佳实践建议
-
硬件连接:
- 优先使用带外部上拉的端口
- 确保信号线屏蔽良好
- 考虑双端口连接方案(如同时连接探针端口和Z限位端口)
-
固件配置:
// 探针类型设置 #define BIQU_MICROPROBE_V2 // 调试选项 #define DEBUG_LEVELING_FEATURE #define M114_DETAIL // 探测参数 #define Z_PROBE_LOW_POINT -3 // 根据实际需要调整 #define PROBING_MARGIN 0 // 测试时暂时禁用边界限制 -
调试步骤:
- 启用详细日志(
M111 S247) - 记录G28(回零)和G29(床面调平)的输出
- 比较成功和失败时的坐标数据
- 启用详细日志(
-
替代方案:
- 如问题持续,可考虑三点调平作为临时解决方案
- 长期建议等待固件更新或考虑其他兼容性更好的探针
总结
MicroProbe V2在Delta机型上的兼容性问题主要源于信号质量和运动学计算的特殊性。通过优化硬件连接、调整固件参数和选择合适的调平算法,大多数用户应该能够解决这一问题。Marlin开发团队也在持续改进对各类探针的支持,建议关注后续固件更新。
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
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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
313
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
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137