Prusa MK3S与MMU2S固件升级后的TMC驱动错误分析与解决方案
问题背景
近期,部分Prusa MK3S用户在将打印机固件升级至3.13.2版本,同时将MMU2S多材料单元固件升级至3.0.1版本后,遇到了TMC驱动错误问题。该问题主要表现为打印过程中频繁出现"TMC driver error prusa.io/04321 FI:1 FS:0"错误提示,有时在打印结束时出现,有时甚至在打印过程中突然弹出。
问题现象
用户报告的主要症状包括:
- MMU2S所有步进电机运行速度似乎变为原来的两倍
- 错误提示频繁出现,甚至在单材料打印时也会发生
- 错误代码04321与电源稳定性相关
- 部分用户还同时遇到04306错误代码
根本原因分析
经过技术分析,该问题主要由以下因素共同导致:
-
固件监控机制增强:新版本固件(3.0.1)对MMU和TMC驱动器的监控更加严格,能够检测到之前版本忽略的微小电源波动。
-
电源稳定性要求提高:MMU3 PD板设计用于稳定MMU控制器板的电源供应,而MMU2S用户没有这一硬件升级。
-
电压临界值问题:部分用户电源输出电压处于临界值(如23.9V),虽然之前版本可以正常工作,但新固件对电压稳定性要求更高。
-
电机电流设置:新固件可能调整了电机保持电流,增加了电源负载。
解决方案
针对这一问题,推荐采取以下解决方案:
1. 调整电源输出电压
将电源输出电压从23.9V适当调高至24.5V。这一简单调整在多个案例中证实有效,具体操作步骤:
- 使用万用表测量当前输出电压
- 通过电源上的电位器微调电压
- 确保5V输出保持稳定在5.0V
- 调整后测试MMU运行情况
2. 检查硬件连接
确保所有线缆连接牢固可靠:
- 检查EINSY主板P3接口到MMU控制器的连接
- 确认所有插头插针接触良好
- 必要时重新插拔连接器确保接触良好
3. 考虑硬件升级
对于频繁遇到此问题的用户,建议考虑升级至MMU3套件,该升级包含:
- 改进的电源分配板
- 更稳定的电源管理
- 增强的机械结构
技术建议
-
电压监测:定期通过打印机LCD菜单(Support -> Voltages)检查各路电压值,确保稳定在标准范围内。
-
固件兼容性:升级前应确认所有硬件组件与新固件的兼容性要求。
-
电源老化考虑:对于使用时间较长的打印机,电源组件可能出现老化,输出电压可能下降,建议定期检查。
总结
Prusa MK3S与MMU2S在固件升级后出现的TMC驱动错误主要是由于新固件对电源稳定性要求提高所致。通过适当调高电源输出电压至24.5V,大多数用户可以解决这一问题。对于长期使用或频繁遇到此问题的用户,建议考虑硬件升级以获得更稳定的使用体验。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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