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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









