Ender3V2S1项目中UBL网格尺寸重置问题的技术分析
2025-06-28 19:52:36作者:瞿蔚英Wynne
问题概述
在Ender3V2S1项目的2024年新年版本中,用户报告了一个关于统一床调平(UBL)功能的异常行为。当用户在配置文件中设置了7x7的网格尺寸后,虽然初始显示正确,但在执行"恢复默认值"操作并保存后,每次重启打印机时网格尺寸都会重置为5x5。
技术背景
统一床调平(UBL)是Marlin固件中一种先进的床调平技术,它允许用户创建和存储多个床面网格数据。每个网格槽位不仅存储调平数据,还包含网格密度(尺寸)和插入值等信息。
问题现象详细描述
- 用户在configuration.h中配置了7x7的网格尺寸
- 初始刷机后,系统正确显示7x7网格
- 执行"恢复默认值"操作并保存后
- 每次重启打印机,网格尺寸都会恢复为5x5
- 如果网格数据无效(全部为NaN),7x7预设会被保留
- 通过"重置网格"选项重置后,7x7尺寸可以保持
问题根本原因
这个问题源于UBL功能在20231202版本引入的新行为。在此版本后,系统会:
- 在启动时自动加载上次使用的网格槽位
- 每个槽位存储的网格尺寸会覆盖当前配置
- 当执行"恢复默认值"时,只清除槽位信息而不清除实际的网格数据
解决方案与正确操作流程
要正确使用UBL功能并避免网格尺寸重置问题,应遵循以下步骤:
- 设置正确的网格插入值和密度(尺寸)
- 执行自动调平以填充有效的网格数据
- 保存网格数据
- 存储设置以使打印机记住使用的网格槽位
技术实现细节
在代码层面,UBL功能的网格尺寸处理涉及以下关键点:
- 在proui_ex.h中,网格相关参数会被取消定义后重新赋值
- 网格尺寸最终由meshSet.grid_max_points_x/y决定
- 默认值通过DEF_GRID_MAX_POINTS_X/Y宏定义
- 每个网格槽位独立存储其尺寸信息
版本兼容性说明
如果用户希望恢复到旧版行为(不自动加载网格槽位),可以使用20230904或更早的版本。新版行为是为了支持AML 2.0功能而设计的。
总结
这个问题并非真正的bug,而是UBL功能新特性的预期行为。理解UBL中网格槽位的工作机制对于正确使用该功能至关重要。通过遵循正确的操作流程,用户可以充分利用UBL提供的灵活性和强大功能。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
306
2.69 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
656
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
614
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
195
71
仓颉编程语言测试用例。
Cangjie
36
657