Marlin固件中Z轴归位时双倍抬升问题的分析与解决
问题背景
在Marlin固件(bugfix-2.1.x版本)中,用户报告了一个关于Z轴归位行为的异常现象。当打印机完成启动后首次执行G28归位命令时,Z轴会执行两次抬升动作,这可能导致Z轴超出预设的安全范围,特别是在床型打印机(bed-slinger)上可能造成打印头与顶部结构的碰撞。
问题现象详细描述
在标准归位流程中,打印头会按以下顺序执行动作:
- 首先向上移动一定高度(预期为Z_CLEARANCE_FOR_HOMING设置值)
- 归位X轴和Y轴
- 再次向上移动
- 最后归位Z轴
用户发现,即使未在Configuration.h中显式定义Z_CLEARANCE_FOR_HOMING(保持默认注释状态),系统仍会执行两次Z轴抬升动作,且总抬升高度超过了用户预留的安全空间。
技术分析
通过分析Marlin源代码,我们可以理解这一行为的实现机制:
-
第一次Z轴抬升发生在G28.cpp中的初始安全检查阶段,目的是确保打印头不会刮擦可能不平整的打印床或碰撞夹具
-
在完成X/Y轴归位后,系统调用home_z_safely函数,该函数会再次确保Z轴处于安全高度
-
关键参数包括:
- Z_CLEARANCE_FOR_HOMING:归位时的最小Z轴安全高度
- Z_CLEARANCE_DEPLOY_PROBE:探头部署/收回时的Z轴安全高度
- HOMING_BUMP_MM:归位时的碰撞回退距离
问题根源
经过深入调查,发现问题主要由以下因素导致:
-
参数不一致:用户设置了不同的Z_CLEARANCE_FOR_HOMING(5mm)和Z_CLEARANCE_DEPLOY_PROBE(10mm)值,这导致了额外的Z轴移动
-
默认行为:即使未显式定义Z_CLEARANCE_FOR_HOMING,系统仍会使用默认值(通常为4mm)执行安全抬升
-
归位流程设计:系统设计上确实需要两次Z轴安全检查,一次在开始归位前,一次在Z轴归位前
解决方案
针对这一问题,建议采取以下解决方案:
- 统一安全高度参数:
#define Z_CLEARANCE_FOR_HOMING 5
#define Z_CLEARANCE_DEPLOY_PROBE 5
-
合理设置物理限制:
- 确保MAX_POS与物理结构之间有足够的安全距离
- 考虑床型打印机的特殊需求,预留更多Z轴空间
-
调整归位碰撞回退距离:
#define HOMING_BUMP_MM { 3, 3, 1 } // X,Y,Z轴的归位碰撞回退距离
安全建议
对于所有Marlin用户,特别是使用床型打印机的用户,应当注意:
-
在Configuration.h中明确定义所有Z轴相关安全参数
-
确保MAX_POS设置考虑了所有安全抬升的总高度
-
首次使用新固件时,建议手动监控归位过程,确认各轴运动范围
-
对于空间受限的打印机,可以适当减小安全高度,但必须确保不会发生碰撞
总结
Marlin固件中的Z轴归位行为设计考虑了多种安全因素,但需要用户根据具体打印机配置进行适当调整。通过合理设置相关参数,可以避免双倍抬升导致的问题,同时确保打印过程的安全性和可靠性。这一问题也提醒我们,在固件配置时需要全面考虑各参数间的相互关系及其对打印机行为的影响。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00