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。
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