如何在微型混合动力汽车中有效实施电池能效管理

密联系在一起。例如，Ri就是这种情况。一个可以编程的线性过滤器可以满足所有这些 要求：过滤器系数可以通过寄存器传输到硬件过滤器模块。这些寄存器可以编程一次，然后在软件中不再需要完成过滤任务。

电流测量结果面临一个挑战，因为需要针对微小电流进行高度精确的测量，同时还必须支持大范围测量。所要求的精确度要高于10mA，这意味 着在100 μOhm的分流上出现1μV的压降；在汽车启动过程中，会出现1000A和更高的电流。为了支持上述两种需要同时避免出现从软件执行手动测量重新配置，需 要实施一个自动增益放大器。一个可选择的增益因子将调节输入信号，使其经过优化与ADC的参考电压匹配。增益因子的调节可以自动完成，在整个运行过程中， 无需对软件进行重新配置。为了便于测试目的，或如果存在特殊的应用环境，也可以选择固定增益因子。

4.3) 简化校准工作

确保设备在整个使用寿命期间都保持高精确度的一个非常重要的任务是微调和校准。为此，以前测试的纠正因子也可以应用至关键的设备参数中。 作为产品线设备测试的一部分，这些因子针对不同的温度进行测试，并且存储在IBS的NVM中。在设备启动时，各个微调参数必须由软件写入至设备寄存器中。 需要微调的参数可以在电流和电压测量序列中找到。另外，振荡器、电压基准和LIN计时也需要被校准。在运行期间，也会需要进行重新校准，例如需要定期执行 校准或在出现温度急剧变化时执行校准。如果适合，不同的纠正因子必须再次写入至各自的寄存器。

上面提到的校准功能可以避免客户针对这些参数进行成本昂贵的产品下线测试。另外，通过简单地应用参数，还可以降低校准的软件复杂性。

4.4) 软件实施方案

在3）章节中提到的电池管理算法需要处理器密集型计算和控制算法。通常，在PC上使用基于模型的模拟工具来完成这些算法的首次实施。这些 工具通常使用浮点数据格式。在之后的开发流程中，这些算法会导入到IBS上。但是，由于成本和功耗的原因，IBS所用的微控制器类上并不提供浮点硬件。因 此，为了实现适用的运行时间，在算法中使用的数据类型必须转换为定点整数格式。共有多种数据类型和内在值范围可用。例如，下面列出了在飞思卡尔的IBS上 提供的数据类型：

为了表示小于1的值，LSB被映射为特定的值。

该值由所需的解析度决定。通过选择其中一个可用的数据类型，可以导出该变量的可用值范围和虚拟固定小数点（固定点格式）。例如，解析度为1mV，采用标记整数数据类型，则范围为0至65.535伏特。

因为飞思卡尔IBS中有一个16位S12 CPU，因此整数数据类型可提供16位精度。这意味着8位和16位变量处理起来比32位值具有更高性能。因此，一般都是首选8位和16位变量。

从上面提到的计算SoC、SoH和SoF所用的算法实施范例中可以发现，在许多情况下，16位变量可以提供充足的值精确度和范围。这是因 为电压和温度输入值都具有16位精确度（通过使用16位ADC）。其他16位精确度就已足够的值，包括SoC、SoH、Ri和纠正因子α（请参见第3章了 解详细说明）。即使采用24位精确度的电流采样值，也可以在大多数时间里映射至16位。在类似3mA的精确度上，通过使用带标记的16位整数格式，可以表 示+/- 98.3 A范围的电流值，无需针对数字格式进行进一步的修改。这足可以满足汽车行驶和停止期间的要求。在启动过程中，电流采样值会超过边界，必须使用32位数据格 式。需要32位格式的参数是与电池充电有关的值（例如，库仑计数器）。

5) 总结

本白皮书介绍了如何在使用飞思卡尔IBS的微型混合动力汽车中有效实施BMS。讨论了最先进的电池状态计算算法（SoC、SoH和 SoF）。从中可以了解到，在功耗方面可以采用哪些特殊的硬件特性来提供IBS的效率。另外，本文还介绍了具有自动电池状态监控功能（无需软件交互）和复杂的唤醒机制的低功耗模式的使用。结果显示，IBS能够在大多数时间内处在低功耗模式中。另外，通过正确的硬件信号处理、可编程的过滤器和简化的校准方 式，我们可以发现软件复杂性已经显著降低。本文还介绍了定点算法原则，结果显示，对于BMS算法中的变量来说，16位定点数据格式常常能够满足要求，只在 少数时候需要32位格式。