Marlin固件中归位偏移应用后的坐标异常问题分析
问题背景
在使用Marlin固件配置Voxelab Aquila C2打印机(搭配BTT mini主板)时,用户启用了无传感器归位功能并尝试应用归位偏移设置后,发现打印机在归位后坐标定位出现异常。具体表现为X轴归位后,Y轴定位停止工作,导致打印起始坐标不正确。
问题根源
经过深入分析,发现问题出在G28.cpp模块中的home_z_safely()函数(第147行)。原代码使用do_blocking_move_to_xy(destination)进行XY轴移动时,未明确指定进给速率,导致系统可能使用了不合适的默认值。
在用户的具体案例中,系统尝试以133mm/s的高速移动(由XY_PROBE_FEEDRATE_MM_S决定),而用户同时为XY步进电机设置了较高的微步数配置,这种高速移动导致了系统重置。
解决方案
临时解决方案
用户最初采用的解决方案是直接指定一个安全的进给速率(10mm/s):
do_blocking_move_to_xy(destination, 10);
推荐解决方案
更规范的解决方法是正确配置XY探针的进给速率参数。Marlin固件中XY轴移动的进给速率由以下优先级决定:
- 如果启用了ABL(自动床面调平)但未启用UBL(统一床面调平),则使用
xy_probe_feedrate_mm_s变量 - 否则,如果定义了
XY_PROBE_FEEDRATE宏,则使用该值转换后的速率 - 最后回退到XY轴最大进给速率中的较小值
建议用户在Configuration.h中正确定义:
#define XY_PROBE_FEEDRATE 100 // 示例值,根据实际硬件调整
技术要点
-
无传感器归位:这种归位方式依赖电机的反电动势检测,对移动速度较为敏感,过高速度可能导致检测失败。
-
归位偏移:应用归位偏移后,打印机的逻辑零点与实际机械位置产生偏移,这对后续所有移动操作都有影响。
-
进给速率控制:在精密定位操作中,合理的进给速率设置至关重要,特别是当系统配置了高微步数时,过高的速度会导致步进电机失步或系统异常。
最佳实践建议
-
在使用无传感器归位功能时,建议适当降低归位和探测的进给速率。
-
当应用归位偏移时,应先在小范围内测试验证坐标系统的正确性。
-
高微步数配置下,应相应降低最大进给速率,避免电机性能问题。
-
对于自定义配置的打印机,建议逐步测试各项功能,特别是涉及机械限位和坐标系统的操作。
通过合理配置这些参数,可以确保打印机在应用归位偏移后仍能正确定位,避免坐标异常问题。
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