Network UPS Tools (NUT) 项目中PowerMaster/PowerGuide串行协议支持分析
2025-06-28 06:30:46作者:董斯意
协议背景与设备概述
Network UPS Tools (NUT) 是一个开源的电源管理项目,主要用于监控和管理不间断电源(UPS)设备。在项目中,用户报告了一款名为Atlantis Land OnePower A03-S1200的UPS设备,该设备通过USB转串口芯片(CH340)连接,但现有的NUT驱动无法识别。
协议交互分析
通过分析PowerGuide软件(1.0.0版本)与设备的通信过程,可以观察到以下协议特征:
-
基本通信模式:
- 每条命令以回车符(0x0D)结尾
- 设备响应以"#"开头,后跟响应内容,最后以回车符结束
- 错误响应格式为"#-1\r"
-
关键命令序列:
- 初始化阶段会发送随机字符串进行身份验证(如"K19CuRVvhy5ZyMgqZgH")
- 状态查询命令"B"返回丰富的设备信息
- 其他"X"系列命令获取特定参数(如型号、电压阈值等)
-
状态响应解析: 典型的状态响应格式如下:
#I235.0O000.0L000B100V27.0F50.2H00.0R060S\200\204\320\200\300\200其中各字段含义:
- I: 输入电压(235.0V)
- O: 输出电压(000.0V)
- L: 负载百分比(000%)
- B: 电池电量(100%)
- V: 电池电压(27.0V)
- F: 输入频率(50.2Hz)
- H: 输出频率(00.0Hz)
- R: 未知参数(060)
- S: 状态标志(二进制数据)
协议实现建议
基于分析结果,建议在NUT项目中实现一个新的驱动(nutdrv_hashx),主要考虑以下方面:
-
驱动架构:
- 继承自通用串行驱动框架
- 实现基本的连接/断开逻辑
- 处理设备特有的认证流程
-
数据采集:
- 定期发送"B"命令获取状态
- 解析响应并映射到NUT标准数据点
- 处理二进制状态标志位
-
特殊处理:
- 实现命令重试机制
- 处理设备可能的超时情况
- 考虑电源事件通知机制
技术挑战与解决方案
-
随机认证字符串:
- 分析表明设备可能接受任意字符串作为认证
- 实现中可以固定使用一个随机字符串或简化流程
-
二进制状态解析:
- 需要仔细解析S字段的二进制数据
- 映射到标准的UPS状态(在线、电池供电、故障等)
-
多命令支持:
- 除状态查询外,还应支持设置命令
- 实现关机、测试等基本功能
实现参考
在NUT项目中,可以参考以下现有驱动的实现方式:
- blazer驱动:成熟的串行协议实现
- nutdrv_qx驱动:良好的状态机设计
- 其他类似应答式协议的驱动
新驱动应遵循NUT项目规范:
- 使用标准的UPS数据点命名(nut-names.txt)
- 实现必要的驱动方法
- 提供充分的错误处理
总结
PowerMaster/PowerGuide串行协议虽然简单,但包含足够的信息来实现完整的UPS监控功能。通过分析现有交互日志,可以构建一个功能完备的NUT驱动,为这类设备提供开源支持。实现时需特别注意协议的特有认证机制和二进制状态解析,同时保持与NUT框架的良好集成。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
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++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322