Allmän mjukvaruarkitektur
Illustrerad av en skiktad BMS-programvaruarkitektur: uppifrån och ned består den av Application Layer, Middle Service Layer, Base Support Modules och hårdvarudrivrutiner längst ner. Under tiden hanterar en RTOS till vänster stöd för uppgiftsschemaläggning.
Del I: Detaljerade lagerfunktioner
1. Applikationslager
Applikationsskiktet kan utvecklas baserat på en modellbaserad-mjukvaruutvecklingsprocess (MBD), där BMS-funktioner (som kontrollstrategier och algoritmer) först modelleras och verifieras genom Hårdvaru-i--Loop (HiL)-testningen, varefter kod automatiskt genereras och integreras i arkitekturen.
Som den funktionella kärnan i BMS implementerar Application Layer olika batterihanteringsalgoritmer och strategier, inklusive:
Mått: Samlar in kritiska parametrar som batterispänning, ström och temperatur.
Relästyrning: Kontroll av att- slås på och -av huvudkretsreläer för att uppnå batteriström-upp, ström-av och skydd.
Balanseringsstrategi: Balansera skillnaderna i-tillstånd-laddning (SoC) mellan enskilda celler genom aktiv eller passiv balansering för att förlänga batteritiden.
Laddningsstrategi: Styr laddningssteg som konstant ström (CC) och konstant spänning (CV) för att säkerställa säker och effektiv batteriladdning.
Diagnos: Övervakning av batterifel (t.ex. överspänning, underspänning, överström, termisk rusning) och utlösa skyddsmekanismer.
Isolationsdetektering: Detekterar isolationsmotståndet mellan batterisystemet och fordonets chassi för att förhindra risker för hög-spänningsläckage.
SOC/SOH-uppskattning: Uppskattning av batteriets laddningstillstånd (SOC) och hälsotillstånd (SOH) för att ge underlag för användardisplay och fordonskontroll.
Max effektförutsägelse: Förutsäga den maximala uteffekten eller acceptanseffekten baserat på batteriets nuvarande tillstånd för att stödja fordonsdynamik och beslut om drivlina.
Termisk hantering: Styr kyl- eller värmesystem för att hålla batteritemperaturen inom det optimala driftsområdet.
2. Mellanservicelager
Interaktivt lager: Hantera kommandointeraktioner för mänskliga-maskingränssnitt (HMI) eller extern utrustning (som diagnostiska verktyg).
Diag. lager (diagnostiskt lager): Samarbetar med applikationslagrets diagnostiska funktioner för att hantera diagnostiska processer, såsom lagring och uppladdning av felkoder (DTC).
Nätverkslager: Ansvarig för analys av kommunikationsprotokoll, dataöverföring och mottagning i-fordonsnätverk (som CAN och Ethernet), vilket möjliggör informationsutbyte mellan BMS och fordonskontrollenheten (VCU), laddare och andra komponenter.
NM (nätverkshantering): Hantera nodtillstånden i-fordonsnätverket för att implementera energisparstrategier-som nätverksvaknande-och vila.
Meas. & Cal. (Mätning och kalibrering): Filtrering och kalibrering av de insamlade batteriparametrarna för att förbättra mätnoggrannheten.
3. Basstödmoduler
Tillhandahåller grundläggande funktionellt-underlagsstöd för systemet:
Flash Bootloader: Aktiverar funktionalitet för programvaruuppgradering, stöder-via-luft (OTA) eller trådbundna uppdateringar av BMS-programmet vid fordonsänden.
Komplex drivrutin (CDD): Hantera drivrutinslogiken för specialiserad hårdvara (som hög-precisions ADC:er eller speciella kommunikationsgränssnitt) för att kompensera för begränsningarna hos standarddrivrutiner för hårdvara.
4. Hårdvarudrivrutiner
Det här lagret fungerar som gränssnittsskiktet mellan mjukvara och hårdvara och konverterar-mjukvarukommandon på hög nivå till-körbara maskinvaruoperationer-såsom styrning av sensorinsamling, ställdonets rörelser och chipregisterkonfigurationer-och säkerställer att de underliggande funktionerna i hårdvaran anropas korrekt.
Real-operativsystem (RTOS)
RTOS tillhandahåller funktioner som multitasking-schemaläggning, tidshantering och minneshantering. Den säkerställer att olika BMS-uppgifter (som hög-datainsamling och realtidsfelskydd) utförs effektivt enligt prioritet och timing, och uppfyller de strikta-realtidskraven för batterihantering.
Del II: Kärnalgoritmens struktur
En avgörande kärna i ett batterihanteringssystem ligger i dess förmåga att förlita sig på en begränsad uppsättning direkt mätbara parametrar (såsom spänning, ström och temperatur) och, genom modellalgoritmer och dataanalys, omvänt härleda ett bredare spektrum av kritiska interna tillståndsvariabler som annars är svåra att få direkt (såsom Laddningstillstånd [SOC], interna laddningstillstånd [SOC], interna laddningstillstånd [SOC], interna energifördelning).
