SavvyCAN V220版本发布:CAN总线分析工具的重大更新
SavvyCAN是一款功能强大的开源CAN总线分析工具,广泛应用于汽车电子、工业控制等领域的网络通信调试与数据分析。该项目由Collin Kidder创建并维护,社区贡献者众多,支持多种CAN硬件接口和日志格式。最新发布的V220版本带来了多项重要改进和功能增强,显著提升了用户体验和工具性能。
核心功能改进
本次更新在DBC文件处理方面进行了多项修复,解决了长期存在的一些兼容性问题。DBC是CAN通信中描述信号和报文的标准格式,SavvyCAN现在能够更准确地解析和处理DBC文件中的各种定义,包括对浮点信号类型(SIG_VALTYPE_)的支持,这使得工具能够正确显示和处理CAN总线上的浮点数值信号。
在信号处理方面,改进了图形化信号编辑器和信号查看器的消息过滤功能,用户可以更高效地筛选和查看特定信号。同时,信号值的显示格式也得到了优化,现在会在数值和单位之间自动添加空格,使显示更加规范易读。
硬件支持增强
V220版本显著扩展了对各类CAN接口硬件的支持。对于LAWICEL协议设备,新增了3000000波特率模式的支持,并实现了完整的CAN-FD功能支持,包括数据速率选择。这使得SavvyCAN能够充分利用高性能CAN-FD硬件的全部能力。
Qt SerialBus插件现在支持监听模式(ListenOnly),这一特性对于被动监测CAN网络流量非常有用,不会对总线造成任何干扰。此外,修复了设备连接后选择状态保持的问题,改善了多设备管理体验。
日志格式兼容性
新版本增加了对多种日志格式的支持和优化。新增了canlogserver远程捕获功能,可以从网络设备获取CAN数据。Wireshark SocketCAN日志格式现在被完整支持,包括扩展CAN ID的正确处理。对于candump格式,现在支持超过8字节的长帧记录,适应CAN-FD应用场景。
LAWICEL协议的时间戳处理得到了修正,确保日志中的时间信息准确无误。CANserver格式现在支持更高精度的时间分辨率,满足精确时间分析需求。TRC CanHacker加载器增加了逗号检查,提高了文件兼容性。
用户界面与体验
在用户界面方面,V220版本进行了多项优化。修正了表格行高的计算方式,使数据显示更加整齐。设备控制台窗口修复了重复显示的问题。模糊测试窗口(FuzzingWindow)新增了批量设置按钮,可以一键设置所有信号为高/低/自动值,大大简化了测试配置流程。
连接配置现在可以保存总线速率和CAN-FD参数,方便用户快速恢复工作环境。系统要求也进行了更新,现在需要C++17标准,这为后续功能开发奠定了基础。
脚本与自动化
脚本接口得到了显著增强,提供了更强大的自动化能力。用户现在可以通过脚本更灵活地控制SavvyCAN的各项功能,实现复杂的测试和分析流程自动化。解码消息文本的输出格式也进行了优化,不再添加多余的空行,使日志更加紧凑易读。
跨平台支持
V220版本继续强化跨平台支持。为Linux系统新增了安装脚本,简化了部署过程。macOS平台同时提供arm64和x64架构的版本,全面支持苹果芯片和Intel处理器的Mac电脑。Windows用户可以获得预编译的64位版本,开箱即用。
总结
SavvyCAN V220版本汇集了来自众多贡献者的改进,在稳定性、功能性和用户体验方面都有显著提升。特别是对CAN-FD的完整支持、多种日志格式的兼容性增强以及DBC处理的改进,使其成为更加强大的CAN总线分析工具。开源社区的持续贡献确保了项目的活力,也为专业用户和爱好者提供了可靠的CAN网络分析解决方案。
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。C0111
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00