Universal G-Code Sender 2.1.13版本发布:CNC控制软件的优化与增强
Universal G-Code Sender(UGS)是一款开源的CNC机床控制软件,它允许用户通过计算机发送G代码指令来控制数控机床。作为一款跨平台的解决方案,UGS支持Windows、macOS和Linux等多个操作系统,为CNC操作提供了便捷的用户界面和丰富的功能。
核心改进与功能增强
1. 多语言支持优化
开发团队持续完善了软件的多语言支持,在2.1.13版本中进行了多次翻译更新,使非英语用户能够获得更好的使用体验。
2. 探测功能改进
新版本对探测功能进行了多项优化:
- 在探测过程中自动清除ABC轴坐标值,避免干扰
- 新增了"探测后延迟"设置项,允许用户配置探测回缩后的等待时间
- 修复了探测时可能触发的软限位报警问题
3. 控制器状态管理
增强了控制器初始化时的状态检查机制,当软件启动时会自动重置控制器状态,确保系统从干净的状态开始工作。
4. 钻孔操作优化
改进了钻孔操作中的运动控制,在上行运动时使用快速移动(rapid movement),提高了加工效率。
新增功能亮点
1. 表面加工工具路径
2.1.13版本引入了全新的表面加工工具路径功能:
- 支持为表面加工创建专门的刀具路径
- 可配置刀具路径的偏移量
- 增加了进刀/退刀(lead in/out)设置
- 在加工结束时自动执行刀具回缩动作
2. SVG通用路径解析
新增了对SVG文件中通用路径(general path)的解析支持,扩展了软件处理矢量图形文件的能力。
3. 轮廓处理增强
改进了轮廓处理功能,使其能够正确处理空XY坐标的情况,提高了软件的健壮性。
4. 点操作增强
在点操作中增加了主轴转速设置选项,为用户提供了更精细的控制能力。
技术问题修复
1. 圆弧处理修复
解决了负半径圆弧处理的问题,确保这类特殊圆弧能够被正确解析和执行。
2. 工作流助手改进
修复了工作流助手中文件加载的问题,提高了功能可靠性。
3. 机器位置显示
新增了机器位置显示设置选项,用户可以根据需要配置是否显示机器坐标。
跨平台支持
UGS 2.1.13版本继续保持了对多平台的全面支持:
- Windows 64位系统
- macOS(包括传统Intel和现代ARM架构)
- Linux(x86_64、ARM和ARM64架构,支持树莓派等单板计算机)
技术实现特点
该版本在保持软件轻量级的同时,通过Java技术栈实现了跨平台能力。对于不需要完整Java环境的用户,提供了各平台的原生打包版本;对于高级用户,则保留了基于Java的通用版本。
总结
Universal G-Code Sender 2.1.13版本在保持软件稳定性的基础上,通过多项功能增强和问题修复,进一步提升了CNC控制的精确度和用户体验。特别是新增的表面加工工具路径和SVG解析功能,为专业用户提供了更多加工选项。跨平台的特性使其成为各类CNC设备控制的理想选择。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C042
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0121
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