TL;DRRia等人2023提出基于SENSIPLUS ASIC芯片的双电池管理单元DCMU实现0.1 Hz至15 kHz的宽频段在线EIS测量激励电流最高200 mA阻抗分辨率达20 μΩ标准差1 kHz / 100 mA激励可同时监测单体锂电及两串电池。该系统在70×70 mm² PCB上集成了刺激-传感单元SSU与MCU测量结果与文献数据定性吻合为分布式BMS的芯片化EIS监测提供了参考设计。论文信息Andrea Ria et.al. Online High-Resolution EIS of Lithium-Ion Batteries by Means of Compact and Low Power ASIC.Batteries2023,9(5), 239一、背景与问题为什么需要这个研究锂离子电池LIB从1990年代初的3C便携设备起步凭借其高能量密度、轻量化和长循环寿命的组合优势逐步扩展至电动汽车、大型储能等场景。电动汽车快充快放需求日益增长锂离子电池的热失控和寿命衰减问题也随之凸显。在电动汽车、大型储能等应用中电池组由数十甚至数百个电芯串联组成各单体参数温度、SOC、SOH差异显著传统的集中式BMS面临布线困难和数据处理压力[7,8]。电化学阻抗谱EIS通过向电池注入小幅交流扰动信号测量电池的频域阻抗响应从而提取等效电路模型参数实现SOH和SOC的在线估计被认为是传统库仑计数和直流电压监测方法的重要补充[9,10]。然而现有EIS方案存在以下问题实验室仪器体积庞大、功耗高、无法在线部署部分紧凑型方案需要外部辅助电源如6V独立电池或商用数据采集系统[13,14]基于ASIC的早期方案仅适用于扣式电池等高阻场景分辨率不足以覆盖几Ah至数十Ah容量电池的mΩ级阻抗[15]。从工程约束角度分布式BMS中的每个CMU必须同时满足紧凑、低功耗、自供电由被测电池供电三个条件。因此核心挑战在于如何在小尺寸、低功耗条件下实现亚mΩ级的阻抗分辨率二、核心创新与方法这篇论文做了什么2.1 系统架构与设计目标DCMU的设计目标是构建一个自供电的紧凑型双电池管理单元在上一代CMU基础上解决三个核心限制并将应用范围从单体扩展至双串锂电。系统由三个功能模块组成模块核心器件功能描述SSU刺激与传感单元SENSIPLUS IC 功率电流源 ACU-WB激励信号生成、电池电压响应采集MCU微控制器单元微控制器 通信接口控制指令解析、I²C通信OPS可选电源3.7V锂电池蓝牙通信时的隔离供电MCU与SSU之间通过I²C数字隔离器Si8400AA-B-IS实现电气隔离将电池电气域GND~V_BAT与MCU域分离防止地回路干扰。当使用USB通信时MCU直接由USB供电使用蓝牙时则需OPS独立供电。2.2 相比上一代CMU的改进改进项上一代CMUv1DCMUv2改善幅度最低EIS频率40 Hz0.1 Hz扩展400倍最大激励电流15 mA峰值200 mA直流叠加交流峰值400 mA提升13倍电流源耐压4.2 V仅支持单体10 V支持双串电池电压范围提升2.4倍阻抗分辨率~100 μΩ估算20 μΩ改善5倍三、关键技术细节电路设计/算法/系统架构3.1 SENSIPLUS芯片核心架构SENSIPLUS是Sensichips与比萨大学联合研发的单芯片多传感器接口集成电路采用0.35 μm Smart-Power工艺制造在DCMU中承担波形合成与信号采集两大核心功能。3.1.1 双引擎正弦波合成策略这是本文的核心技术创新点。SENSIPLUS在同一套硬件电路上实现了两种互补的波形合成模式模式一开关电容模拟正弦合成器高频段 40 Hz ~ 2 MHz电路架构基于Miller积分器其核心工作原理是将正弦信号离散采样后计算相邻采样点的电荷差值通过正弦加权电容阵列将这些电荷包注入积分器。积分器输出的电荷累加即为目标正弦波形。具体实现细节Miller积分器的反馈电容为数字可编程电容阵列7 bit分辨率正弦加权电容阵列由128个按正弦函数值比例设计的单位电容组成每个时钟周期完成一次电荷包注入128个时钟周期完成一个正弦周期波形幅度调节通过改变积分器反馈增益实现等效于改变采样点差值采样生成分辨率12 bit能效优势无须额外DAC切换功耗极低模式二DDS直接数字合成低频段 0.1 Hz ~ 40 Hz针对低频段开关电容模拟合成器面临泄漏电流积累导致的直流电平漂移问题。DCMU采用DDS模式作为替代方案禁用正弦加权电容阵列停止正弦电荷包注入仅激活直流路径Miller积分器工作在纯积分模式由MCU计算正弦波形离散样本通过I²C写入SP的DAC寄存器积分器对离散样本进行连续积分重构输出模拟正弦波形每周期采样点数64个较模拟模式减半以适应低频段更长周期采样生成分辨率12 bit两种模式的切换完全通过固件配置实现无须改变芯片物理布局。这一双引擎策略使频率下限从40 Hz扩展至0.1 Hz覆盖约5.5个数量级。3.1.2 18 bit ΔΣ ADC与信号链ADC类型单环二阶ΔΣ调制器有效分辨率18 bitENOB约17 bit 1 kHz带宽数字滤波器Comb-IntegratorCIC级联滤波器解调产物抑制机制通过恰当设置ADC采样频率与激励频率同步使解调产生的谐波分量落在CIC滤波器的零点位置实现无外接模拟滤波器的频谱纯化无大电容模拟滤波器利于芯片级集成节省PCB面积3.1.3 可编程带隙基准与温度感知内置可编程带隙基准电压源Bandgap Reference所有内部基准为全差分类型共模电压统一为V_dd/2内部基准电压V_BG 2 V标称值温度感知功能片上温度传感器测量精度**±0.5°C**用于内置电阻的温度漂移补偿片内电阻采用高阻值多晶硅电阻方块电阻约1 kΩ/□便于与Smart-Power工艺兼容3.1.4 通信接口与扩展能力支持三种数字接口SPI最高10 MHz、I²C最高400 kHz、SENSIBUSSensichips专有单线协议OTP一次可编程存储器3 bit可编程I²C地址多芯片并联能力最多8片SENSIPLUS共享同一I²C总线3.2 刺激与传感单元SSU电路详解SSU是DCMU的模拟前端核心由功率电流源和交流不平衡惠斯通电桥ACU-WB两个子模块构成。3.2.1 功率电流源电路┌─────────────┐V_IC ──┬─┤ OP₁│ └─────┬───────┘│ │ 电压位移│ ▼│ ┌─────────────┐└─┤ OP₂ ├──→ I_STIM ──┬──→ Battery└─────┬───────┘ ││ │M₁ R_S (2.5Ω)(IRLR024N) ││ │GND GND核心器件选型OP₂运算放大器构成负反馈电流源的误差放大器将V_STIM转换为受控电流I_STIMM₁功率NMOSFETIRLR024NInternational Rectifier漏极耐压55 V、连续电流17 ATC100°C、栅极电荷Qg12 nC Vgs10 V低导通电阻R_DS(on)75 mΩ Vgs10 V确保电流源线性度R_S电流检测电阻2.5 Ω / 0.5 W金属膜电阻功率余量约2倍200 mA时功耗0.1 W电平位移器OP₁由于SENSIPLUS输出的V_IC共模电平为V_dd/2 1.65 V而电流源需要V_STIM在0 V附近变化以实现双向电流输出OP₁与电阻网络构成电平位移电路当V_IC V_dd/2时V_STIM被推移至0 VI_STIM 0零电流基准点V_IC范围V_dd/4 ~ 3V_dd/4对应I_STIM范围0 ~ V_BG/(2R_S)静态传输特性Keysight B2902B SMU测量斜率394 mA/VV_IC输入端测试V_BAT在2.7~10 V范围内斜率波动**1%** 说明M₁的有限输出阻抗被OP₂负反馈有效补偿最大输出电流限制于R_S功率稳态200 mA R_S2.5 Ω激励电流估算ISTIM(max)​2RS​VBG​​2×2.5Ω2V​400 mA峰值考虑直流叠加交流激励幅度约100 mA峰峰值200 mA论文实测与该估算吻合。3.2.2 交流不平衡惠斯通电桥ACU-WB┌──C₁──┐│ 4.7μF │V_BAT-S ──┬──R₁──┬──A───┤ IA│3MΩ │ │R₂ │ │ SP IA1MΩ │ ││ ▼ │GND ────┴——──R_V──B──┤ IA-│ 100kΩ │└────────—──┘工作原理直流分析直流时C₁开路电桥平衡方程为R₁·R_V R₂·(V_BAT/R₁ 0)解得V_A V_B V_BAT·R_V/(R₁R_V) ≈ 0.33·V_BAT该共模电压设计使IA输入共模范围覆盖2.7~10 V全量程避免饱和工作原理交流分析对于激励频率f 1/(2π·C₁·R₁) ≈ 0.01 HzC₁阻抗Z_C ≈ 1/(2π·f·4.7μF) R₁C₁等效短路A点直接接V_BAT-SB点接地电桥断开IA输入即为电池电压交流扰动分量关键设计优势直流偏置由电阻网络固定交流扰动由C₁直通无需机械开关切换4线开尔文测量ForceSense分离V_BAT_F/S两根sense线直接接电池极柱消除引线寄生阻抗通常mΩ级与电池阻抗可比拟宽电压范围支持单电池2.7~4.2 V、双串5.4~8.4 V均无需修改硬件3.2.3 无源元件完整清单元件值规格/型号备注R₁3 MΩ1%精度高值电阻降低桥臂功耗R₂1 MΩ1%精度与R₁构成直流分压比R₃620 kΩ—OP₁反馈网络R_V100 kΩ1%精度桥臂电阻调节共模点R_S2.5 Ω0.5 W金属膜电流检测功率余量2倍C₁4.7 μF薄膜电容低频交流耦合容值公差需±10%内LDOMCP1802-3.3Microchip输入耐压12 V输出3.3 V为SP供电功率MOSFETIRLR024NInternational RectifierR_DS(on)75 mΩ Vgs10 V数字隔离器Si8400AA-B-ISSilicon LabsI²C隔离1 kVrms隔离耐压NTC热敏电阻ERT-JZEV104FPanasonicB常数4250 K10 kΩ 25°C3.3 激励波形与扫频策略DCMU采用对数等间隔分布的28个离散频率点覆盖0.1 Hz至15.6 kHz范围频段频率点Hz合成模式超低频0.1, 0.2, 0.4, 0.6, 0.8, 1, 2, 4, 6, 8, 10DDS低频20, 40, 60, 80, 100混合/模拟中频200, 400, 600, 800模拟合成高频1k, 1.3k, 1.7k, 2.6k, 5.2k, 7.8k, 9.8k, 15.6k模拟合成每个频点施加正弦激励SP内部DSP同步解调提取同相I和正交Q分量计算复阻抗ZIstim​Vresponse​​RjXI0​VI​​jI0​VQ​​四、实验结果与性能对比4.1 测试条件测试电池配置电池编号容量型号满电电压内阻估算B1, B2, B32000 mAhSR674361P磷酸铁锂/聚合物4.1 V~20-50 mΩ 1 kHzB410000 mAh1260100动力型4.1 V~5-15 mΩ 1 kHz环境条件室温实验20 ± 2°C无强制风冷高温实验50°C恒温箱热平衡后测量EIS扫频参数交流激励幅度100 mA峰峰值叠加在直流分量上单次扫频约20分钟4.2 阻抗分辨率标定测试方法150次重复测量B1电池1 kHz频率点计算实部阻抗的标准差测量结果指标数值说明峰峰值噪声等效阻抗88 μΩ6σ覆盖区间标准差σ20 μΩ分辨率指标相对分辨率~0.1% 20 mΩ阻抗对应B1级别电池分辨率改善的物理机制激励电流从v1的15 mA提升至100 mA峰值200 mA增大约7倍电压扰动信号幅值V_noise I_noise × Z_battery同比增大在ADC噪声底输入参考噪声固定的条件下等效阻抗噪声反比下降4.3 与同类系统的详细技术对比系统架构激励电流频率范围阻抗分辨率电源要求尺寸自供电本文DCMUASIC外设200 mA0.1 Hz~15 kHz20 μΩ被测电池70×70 mm²是De Angelis 2022 [13]分立电路商用DAQ50 mA0.1 Hz~10 kHz~100 μΩ独立电源PCB外部设备否Carkhuff 2018 [14]分立BMS5 A1 mHz~1 kHz500 μΩ辅助6V电池模块级部分Crescentini 2020 [15]低功耗ASIC1 mA0.1 Hz~100 kHz~1.5 Ω扣式电池被测电池芯片级是Islam 2020 [12]商用设备5 A0.01 Hz~5 kHz500 μΩ独立电源设备级否关键差异分析激励电流对比DCMU的200 mA介于分立方案mA~A量级和商用设备5 A之间对于几Ah至数十Ah容量电池提供了合理的信噪比平衡。激励电流过大会引起电池极化效应扰动过小则信噪比不足。自供电能力DCMU与Crescentini方案均支持自供电但后者分辨率仅适用于扣式电池高内阻场景无法覆盖动力电池。ASIC集成度DCMU采用SENSIPLUS作为核心但功率MOSFET和运算放大器仍为外接元件尚未实现单芯片化。4.4 单电池与双串电池EIS验证实验设置B13.9 V、B23.9 V分别测量后串联测量对比代数求和预测曲线结论串联电池总阻抗测量值与B1B2代数求和曲线高度吻合说明SSU在双电压7.8 V条件下线性工作良好。两次单测间SOC约下降2%解释了微小的实测偏差。4.5 温度敏感性验证对B3电池在20°C和50°C条件下进行EIS测量50°C时Nyquist曲线出现全频段阻抗收缩现象高频实部欧姆阻抗R_s降低约30%~50%中频半圆电荷转移阻抗R_ct直径显著缩小低频Warburg阻抗扩散项斜率变小该结果与Zhang等人[10]的研究数据定性一致验证了DCMU的温度敏感性检测能力。4.6 SOC敏感性验证对B3电池在100%、83%、68%、53%、45%、36%、20% SOC下进行EIS测量SOC 100%~45%区间低频段10 Hz阻抗先轻微收缩轻微下降后回升全频段变化不显著SOC 50%全频段阻抗开始整体扩张低频Warburg弧逐渐增大SOC ≈ 20%阻抗急剧增大尤其低频扩散弧显著扩张标志着电池接近深度放电状态该规律可作为在线SOC估计的特征判据与文献[10]结果吻合。五、工程落地评估5.1 从论文到产品的差距分析维度当前状态差距弥补路径芯片集成度PCB分立方案70×70 mm²面积较大难以嵌入电池模组Smart-Power单芯片化校准流程依赖外接SMU的两步校准未实现芯片内自校准内置基准数字校准算法扫频速度~20分钟/次无法满足实时SOC估计压缩频率点数并行采样THD2.5%高精度相位测量受限更高阶波形合成温度漂移片内电阻温漂未补偿长时间工作精度退化利用±0.5°C温度感知进行数字补偿5.2 单芯片化路径分析论文明确指出将OP₁、OP₂和功率MOSFET M₁集成到同一芯片上是可预见的目标。然而这一路径面临以下技术挑战敏感读出电路与功率器件共基底Smart-Power工艺将高压功率器件55 V耐压MOSFET与低压模拟电路18 bit ADC、±0.5°C温度感知集成在同一衬底上功率器件开关时产生的衬底噪声耦合至敏感节点集成电阻温度漂移片内多晶硅电阻的温度系数TC通常在100~500 ppm/°C量级以±0.5°C的片上温度感知精度进行实时补偿在技术上具有可行性但需要精确的电阻TC建模估算目标尺寸作者预期的理想单芯片DCMU仅需I²C隔离器和去耦电容两类外设芯片面积可能控制在10×10 mm²以内5.3 适用场景评估推荐应用场景消费电子类电池2~10 Ah电动工具、无人机、机器人等对尺寸和功耗敏感需要在线SOH监测分布式储能系统兆瓦时级储能集装箱的电池簇管理每簇电池配备独立DCMU实验室级电池研究平台替代大型电化学工作站进行快速EIS筛选不推荐场景动力电池数百Ah容量mΩ级分辨率相对不足需要更低的等效阻抗噪声实时BMS闭环控制20分钟扫频周期无法支持毫秒级SOC估算反馈六、FAQQ1DCMU相比上一代CMU解决了哪些核心瓶颈A1论文的上一代CMU基于SENSIPLUS v1存在三个主要限制最低EIS频率仅40 Hz受限于开关电容正弦合成器的泄漏电流、最大激励电流仅15 mA分辨率受限、电流源耐压上限仅4.2 V仅支持单体。DCMU通过引入DDS直接数字合成扩展低频端至0.1 Hz通过外接功率MOSFETIRLR024N将激励电流提升至200 mA通过LDOMCP1802-3.3支持最高10 V工作电压从而兼容两串锂电。从数据看阻抗分辨率从上一代的约100 μΩ改善至20 μΩ提升约5倍。Q220 μΩ的阻抗分辨率足够用吗适用场景有哪些A2从实验数据来看该分辨率足以区分几Ah至数十Ah容量锂电的EIS特征B1 2000 mAh电池在1 kHz处的实部阻抗约数十mΩ量级。对于更大容量电池如B4 10000 mAh阻抗值会更低但从实验结果看仍然可测。20 μΩ分辨率意味着对mΩ级电池阻抗的相对分辨率约为1%~5%对于SOC变化低频段阻抗变化明显和温度变化Nyquist曲线整体收缩的检测均有效。该精度对于消费电子类电池和部分动力电池的在线SOH监测具有实用价值但面对大功率动力电池内阻往往在mΩ以下或更低时信噪比会面临更大挑战。Q3DCMU为何需要双频段正弦波合成策略A3SENSIPLUS芯片采用了两种互补的波形合成技术——高频段40 Hz以上使用开关电容模拟正弦合成器每周期128采样点12 bit分辨率能效高且无需额外DAC低频段0.1~40 Hz切换为DDS模式每周期64采样点通过在已有硬件上禁用正弦电荷包、仅激活直流路径来生成波形。这一双引擎策略在不改芯片物理布局的前提下将下限频率从40 Hz拓展至0.1 Hz扫频范围达到约5.5个数量级0.1 Hz~15 kHz。Q4ACU-WB交流不平衡惠斯通电桥在测量中扮演什么角色A4ACU-WB是DCMU电压感知回路的核心。其巧妙之处在于直流时电桥平衡V_AB0避免仪表放大器饱和同时R₁/R₂分压使共模电压适配IA输入范围交流激励时C₁4.7 μF的阻抗远小于R₁/R₂电桥断开A/B两端直接连接电池形成真4线开尔文测量消除了引线寄生阻抗的影响。这种直流平衡交流直通的机制使SSU无需机械开关切换即可兼容单电池和双串电池的宽电压范围2.7~10 V。Q5论文对未来单芯片集成方向有何启示A5作者指出将外接运放OP₁/OP₂和功率MOSFETM₁集成到同一芯片上是可预见的目标但面临Smart-Power工艺中敏感读出电路与功率器件共基底的温度串扰挑战特别是集成电阻的温度系数补偿。未来真正单芯片化EIS监测芯片的出现有望将系统尺寸缩小至仅需I²C隔离器和去耦电容两类外设从而实现真正意义上的嵌入式微型EIS传感器。七、参考文献[1] Park S, Ahn J, Kang T, et al. Review of state-of-the-art battery state estimation technologies for battery management systems of stationary energy storage systems.J. Power Electron., 2020, 20: 1526-1540.[2] Xia Z, Qahouq JAA. Ageing characterization data of lithium-ion battery with highly deteriorated state and wide range of state-of-health.Data Brief, 2022, 40: 107727.[3] McCarthy K, Hemtej G, Kennedy T. Online state of health estimation of Li-ion polymer batteries using real time impedance measurements.Appl. Energy, 2022, 307: 118210.[4] Wang Y, Tian J, Sun Z, et al. A comprehensive review of battery modeling and state estimation approaches for advanced battery management systems.Renew. Sustain. Energy Rev., 2020, 131: 110015.[5] Wang Y, Zhang C, Hu J, et al. Investigation on calendar experiment and failure mechanism of lithium-ion battery electrolyte leakage.J. Energy Storage, 2022, 54: 105286.[6] Chen Y, Kang Y, Zhao Y, et al. A review of lithium-ion battery safety concerns: The issues, strategies, and testing standards.J. Energy Chem., 2021, 59: 83-99.[7] Steinhorst S, Lukasiewycz M, Narayanaswamy S, et al. Smart Cells for Embedded Battery Management.IEEE CPSNA, 2014: 59-64.[8] Lu L, Han X, Li J, et al. A review on the key issues for lithium-ion battery management in electric vehicles.J. Power Sources, 2013, 226: 272-288.[9] Kurzweil P, Scheuerpflug W. State-of-Charge Monitoring and Battery Diagnosis of Different Lithium Ion Chemistries Using Impedance Spectroscopy.Batteries, 2021, 7: 17.[10] Zhang Q, Huang CG, Li H, et al. Electrochemical Impedance Spectroscopy Based State-of-Health Estimation for Lithium-Ion Battery Considering Temperature and State-of-Charge Effect.IEEE Trans. Transp. Electrif., 2022, 8: 4633.[11] Gucin TN, Ovacik L. Online Impedance Measurement of Batteries Using the Cross-Correlation Technique.IEEE Trans. Power Electr., 2020, 35: 4365.[12] Islam SRM, Park SY. Precise Online Electrochemical Impedance Spectroscopy Strategies for Li-Ion Batteries.IEEE Trans. Ind. Appl., 2020, 56: 1661.[13] De Angelis A, Buchicchio E, Santoni F, et al. Uncertainty Characterization of a Practical System for Broadband Measurement of Battery EIS.IEEE Trans. Instrum. Meas., 2022, 71: 1002609.[14] Carkhuff BG, Demirev PA, Srinivasan R. Impedance-Based Battery Management System for Safety Monitoring of Lithium-Ion Batteries.IEEE Trans. Industrial Electr., 2018, 65: 6497.[15] Crescentini M, De Angelis A, Ramilli R, et al. Online EIS and diagnostics on lithium-ion batteries by means of low-power integrated sensing and parametric modeling.IEEE Trans. Instrum. Meas., vol. 70, pp. 1-11, 2021, Art no. 2001711.[16] Gong Z, Liu Z, Wang Y, et al. IC for online EIS in automotive batteries and hybrid architecture for high-current perturbation in low-impedance cells.IEEE APEC, 2018: 1922-1929.[17] Manfredini G, Ria A, Bruschi P, et al. An ASIC-Based Miniaturized System for Online Multi-Measurand Monitoring of Lithium-Ion Batteries.Batteries, 2021, 7: 45.[18] SENSICHIPS. SENSIPLUS IC Product Page. https://www.sensichips.com/[19] Meng J, Ricco M, Luo G, et al. An Overview and Comparison of Online Implementable SOC Estimation Methods for Lithium-Ion Battery.IEEE Trans. Ind. Appl., 2018, 54: 1583-1591.[20] Loic L, Jocelyn S, Mbala FJ, et al. Lithium-ion open circuit voltage (ocv) curve modelling and its ageing adjustment.J. Power Sources, 2016, 324: 694-703.关键词EIS ASIC | SENSIPLUS | DCMU | 阻抗分辨率20μΩ | 在线EIS | BMS芯片 | 分布式电池管理 | 锂离子电池监测 | 低功耗IC | 开关电容DDS本文仅对文献和其他公开信息做分析属个人兴趣不构成对文献观点作者的背书亦不代表任何文献作者和机构组织的立场或利益。