Network UPS Tools (NUT) 项目中PowerMaster/PowerGuide串行协议支持分析
2025-06-28 03:48:35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
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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 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
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
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 Python开发者的macOS终极指南:VSCode安装配置全攻略
项目优选
收起
deepin linux kernel
C
24
7
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
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
168
190
React Native鸿蒙化仓库
JavaScript
240
315
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++
647
256
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
373
3.18 K
🎉 (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
1.09 K
618
🔥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
62
19
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
262
92