Marlin固件中MKS SGen L V2.0与TS35 V2.0显示屏的SPI配置问题解析
问题背景
在Marlin固件项目中,用户报告了一个关于MKS SGen L V2.0主板与MKS TS35 V2.0触摸屏的兼容性问题。当用户尝试编译最新版本的Marlin固件时,遇到了"Invalid TFT SPI configuration"的错误提示,导致编译失败。
问题分析
这个错误源于SPI显示配置的不匹配。深入分析后发现,问题主要出在以下几个方面:
-
SPI设备定义错误:原始配置文件中将触摸按钮的SPI设备错误地定义为1,而实际上应该为2。
-
引脚映射问题:主板与显示屏之间的引脚映射存在不匹配的情况,特别是EXP端口的连接方式。
-
电压兼容性问题:MKS TS35 V2.0显示屏的EXP2端口设计为3.3V工作电压,如果错误连接到主板的EXP1端口(提供5V电压),可能导致显示屏损坏。
解决方案
开发团队通过以下步骤解决了这个问题:
-
修正SPI设备定义:将TOUCH_BUTTONS_HW_SPI_DEVICE的值从1改为2。
-
重新设计引脚映射:更新了pins_MKS_SGEN_L_V2.h文件中的引脚定义,确保与TS35 V2.0显示屏兼容。
-
连接方式验证:强调了正确的连接方式:
- 显示屏的EXP1必须连接到主板的EXP1
- 显示屏的EXP2必须连接到主板的EXP2
注意事项
用户在安装和使用时需要注意以下几点:
-
EEPROM错误处理:在升级大版本固件后出现EEPROM错误是正常现象,这通常意味着需要重新校准和设置打印机参数。
-
显示屏连接安全:切勿将显示屏的EXP2端口连接到主板的EXP1端口,这会导致3.3V电路接收5V电压,可能损坏显示屏。
-
编译验证:虽然修正后的代码可以成功编译,但在实际硬件上的功能验证仍然必要。
技术细节
对于开发者而言,这个问题的核心在于:
- SPI总线配置必须与硬件设计严格匹配
- 不同版本的显示屏可能有不同的电压要求和引脚定义
- 主板与外围设备的接口标准必须一致
这个问题展示了在开源固件开发中硬件兼容性的重要性,也提醒开发者在支持新硬件时需要仔细验证每个接口定义。
总结
通过这次问题的解决,Marlin固件对MKS SGen L V2.0主板与TS35 V2.0显示屏的兼容性得到了提升。这个案例也展示了开源社区协作解决问题的典型流程:用户报告问题、开发者分析原因、提出解决方案、验证并合并修复。
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