ACC项目在OnePlus 9 Pro上的充电控制问题分析与解决方案
2025-07-06 18:38:05作者:仰钰奇
问题背景
在OnePlus 9 Pro设备上使用ACC(Advanced Charging Controller)时,用户遇到了一个特殊的充电控制问题。主要表现为:
- 使用"Charge once to #%"功能后,设备完成指定百分比充电后进入放电阶段
- 放电至预设恢复容量时,设备无法自动恢复充电
- 在此状态下,再次尝试使用"Charge once to #%"功能无效
- 设备在放电阶段表现出类似空闲状态的特征,充电速率显示为0.00mAh
技术分析
从日志和用户描述来看,这个问题可能涉及以下几个技术层面:
-
充电状态机异常:ACC的充电状态机在完成一次性充电后未能正确切换回常规充电模式
-
硬件接口兼容性:OnePlus 9 Pro的充电控制接口可能对ACC的指令响应存在特殊行为
-
电源管理子系统交互:系统层面的电源管理可能与ACC的控制产生了冲突
-
电池状态检测:在异常状态下,电池状态检测可能出现偏差
解决方案演进
开发者针对此问题提供了多个测试版本:
-
初始测试版本2024.12.15.1-rc主要针对基础功能验证
-
后续版本2024.12.29-rc引入了完整的开关测试功能,用于诊断充电控制接口
-
2025.1.4-rc和2025.1.5-rc版本进一步优化了充电状态机的处理逻辑
用户操作建议
对于遇到类似问题的用户,建议:
-
确保使用最新测试版本进行验证
-
在进行问题复现时,按照标准流程收集完整日志:
- 清除旧日志
- 记录完整操作序列
- 包含异常状态前后的系统行为
-
临时解决方案:在出现异常时重启设备可恢复充电功能
技术展望
这类设备特定的充电控制问题反映了Android电源管理系统的复杂性。未来可能需要在以下方面进行改进:
-
增强设备兼容性测试矩阵
-
改进状态机的异常处理机制
-
开发更智能的充电控制恢复策略
-
优化与系统电源管理服务的交互方式
结论
OnePlus 9 Pro上的这个充电控制问题展示了移动设备电源管理中的边缘情况。通过持续迭代和测试,ACC项目正在不断完善对各种设备的支持能力。用户参与问题报告和测试对提升项目质量至关重要。
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-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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-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
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
311
2.72 K
deepin linux kernel
C
24
7
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++
638
242
仓颉编译器源码及 cjdb 调试工具。
C++
124
851
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!
C
1.03 K
469
Ascend Extension for PyTorch
Python
148
175
暂无简介
Dart
604
135
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
226
81
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
363
2.99 K
React Native鸿蒙化仓库
JavaScript
236
310