EdgeTX 翼型模型双速率开关编程问题分析与修复
2025-07-08 19:46:53作者:翟江哲Frasier
问题背景
在EdgeTX 2.10.5版本中,使用RadioMaster TX16S/TX16SMK2遥控器创建翼型(Wing)模型时,发现双速率(Dual Rate)开关功能存在编程错误。无论用户选择哪个物理开关作为双速率开关,系统都会默认使用"SC"开关,且选择的开关信息不会显示在模型摘要界面。
问题现象
- 开关绑定错误:在模型创建向导中,即使用户选择了特定开关(如SE)作为双速率开关,系统仍会错误地将SC开关绑定到双速率功能上。
- 摘要信息缺失:模型创建完成后,在摘要界面不会显示用户实际选择的双速率开关信息。
技术分析
该问题源于翼型模型创建向导Lua脚本(3.Wing.lua)中的硬编码错误。原代码中直接使用了"SC"作为默认开关,而没有正确引用用户选择的开关值。具体表现在:
- 输入通道配置部分直接硬编码了"SC"开关,而非动态获取用户选择
- 摘要界面显示逻辑缺少对双速率开关状态的判断和显示
修复方案
通过对3.Wing.lua脚本的修改,我们解决了上述问题:
输入通道配置修复
-- 修复前(硬编码SC开关)
-- updateInputLine(defaultChannel_0_AIL, 0, expoVal, 100, "SC"..CHAR_UP)
-- updateInputLine(defaultChannel_0_AIL, 1, expoVal, 75, "SC-")
-- updateInputLine(defaultChannel_0_AIL, 2, expoVal, 50, "SC"..CHAR_DOWN)
-- 修复后(动态获取用户选择)
updateInputLine(defaultChannel_0_AIL, 0, expoVal, 100, ElevronFields.dr_switch.avail_values[1 + ElevronFields.dr_switch.value]..CHAR_UP)
updateInputLine(defaultChannel_0_AIL, 1, expoVal, 75, ElevronFields.dr_switch.avail_values[1 + ElevronFields.dr_switch.value].."-")
updateInputLine(defaultChannel_0_AIL, 2, expoVal, 50, ElevronFields.dr_switch.avail_values[1 + ElevronFields.dr_switch.value]..CHAR_DOWN)
摘要界面显示优化
-- 添加条件判断,仅当启用双速率时才显示开关信息
if ElevronFields.is_dual_rate.value == 1 then
drawNextLine("Dual Rate SW", nil, ElevronFields.dr_switch.avail_values[1 + ElevronFields.dr_switch.value])
end
技术实现细节
- 动态开关引用:通过
ElevronFields.dr_switch结构体获取用户实际选择的开关值,而非使用硬编码值。 - 条件显示逻辑:增加对
is_dual_rate标志的判断,确保只在启用双速率功能时显示相关开关信息。 - 开关状态表示:使用
CHAR_UP、CHAR_DOWN等符号清晰表示开关的不同位置状态。
影响范围
该修复影响所有使用翼型模型向导创建的新模型,确保:
- 双速率功能正确绑定到用户选择的物理开关
- 模型摘要信息完整显示双速率开关配置
- 提升用户体验和配置准确性
后续建议
对于使用EdgeTX系统的用户,建议:
- 定期检查系统更新,获取最新的错误修复
- 创建模型后,验证各功能开关是否按预期工作
- 对于复杂模型配置,建议在模拟器中先行测试
该修复已通过测试验证,将包含在未来的EdgeTX版本更新中。
登录后查看全文
热门项目推荐
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
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
215
235
暂无简介
Dart
662
152
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
React Native鸿蒙化仓库
JavaScript
253
320
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++
660
297
🎉 (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
1.18 K
646
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
217
🔥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
仓颉编程语言开发者文档。
59
818