从两款新品解读恩智浦汽车电气化探索之路

IHS统计数据显示，预计到2030年，全球新能源车普及率将超过50%。而在中国，新能源车的普及速度更是快得惊人——2021年，中国新能源汽车产能占全球的54%，大幅领先欧洲(26%)和美国(15%)。预计2022年中国新能源车销售将突破500万辆，占比达到20%，到2030年这一比例将高达60%。

毋庸置疑，新能源汽车的发展需要包括芯片在内的底层技术创新，而作为全球为数不多可以把“几乎每一个电控单元都能以整体系统思维的方式呈现给客户，并与之产生互动”的企业，日前，恩智浦(NXP)半导体面向汽车电气化应用推出了两款新产品。

支持新一代电气化应用的汽车级MCU

S32K39高性能MCU专为实现电动汽车(EV)牵引逆变器的智能、高精度控制而进行了优化，可将电动汽车电池的直流电转换为交流电，驱动现代化牵引电机。多功能架构除了适用于牵引逆变器控制，也适合许多其他电动汽车应用，包括电池管理(BMS)、车载充电(OBC)和DC/DC转换。此外，还支持硬件隔离、时间敏感网络和高级加密，已为支持软件定义汽车和区域架构做好充分准备。

恩智浦半导体车辆控制和网络解决方案全球营销总监Brian Carlson认为，传统的MCU通常服务于内燃机时代的汽车，但当今和未来的电动车有着属于自己的独特需求，包括：第一，对性能、效率和续航里程的要求越来越高；第二，更高等级的功能安全；第三，更高的可靠性和可获得性，比如共享出行、自动驾驶出租车等新兴应用场景所带来的需求；第四，车厂需要电机具备可扩展性；第五，新的区域车辆架构设计，以及车辆总成本的控制。

所以，总体来说，S32K39系列微控制器的整体设计思路是集性能、集成、网络、信息安全和功能安全于一体，通过时间敏感网络(TSN)以太网支持边缘智能驱动应用。在这个过程中，通过模拟外设集成显著地降低系统成本，并实现最高的ASIL D安全等级。所有新引入的功能，包括软件定义汽车需求等，能够在整体上更好地帮助提升电动车的性能。

下图展示了该款微控制器的组成，包括具备分立和锁步核的CPU，DSP可以支持机器学习和ADC数字滤波，带有硬件安全引擎的两个电机控制协处理器，6个CAN FD接口、TSN以太网和多个高级可编程I/O，以及6MB闪存。

S32K39系列微控制器结构框图

具体而言，该系列MCU搭载4个工作频率为320 MHz Arm Cortex-M7内核，配置为一个锁步核和两个分立核，且通过双200kHz控制环路提高能效，既支持传统的绝缘栅极双极性晶体管(IGBT)，也支持新推出的碳化硅(SiC)和氮化镓(GaN)技术，逆变器体积更小、更轻、更高效，行驶里程更长。

“可以在200kHz环路下实现双电机控制是S32K39最显著的创新之处，毕竟在传统车载应用中，一颗MCU只能控制一个逆变器，而且控制范围只有50kHz-100kHz。相比之下，S32K39性能提升十分显著。”Brian Carlson说。 

同时，S32K39 MCU系列可控制六相电机，以提高功率密度和容错性，保持长期高可靠性。此外，该系列拥有NanoEdge™高分辨率脉宽调制(PWM)，搭载安全ASIL D软解码以及集成正弦波生成器与Σ-Δ A/D转换器，消除了对外部组件的需要，从而降低系统成本。

在系统层面，S32K39可与安全系统基础芯片(SBC)FS26、具备可调节动态栅极强度控制的先进高压隔离栅极驱动器GD3162结合使用，实现安全的逆变器控制系统。或者与恩智浦S32E/Z实时处理器结合使用，通过CAN或者以太网通信实现结点侧的智能驱动，也可以与S32Z/E一起被布置在同一个ECU中，通过Zipwire总线进行通信，为车厂带来高度灵活性。值得一提的是，S32K39还允许灵活地控制多达4个牵引逆变器，并且能够为采用该配置的4轮驱动电动汽车实施高级牵引功能。 

NXP S32Z/E是目前业界领先的16nm制程的车规ASIL-D实时处理器产品，常作为域控大脑。它具备8个ARM R52内核，主频高达1GHz，同时集成了HSE-H加密模块，2xGb TSN Ethernet (embedded switch function)，支持多达24个CAN FD通道的路由子网络，以及从内核属性到架构设计和从Core到Pin的虚拟化机制。

恩智浦半导体大中华区资深市场经理余辰杰指出，目前中国领先的新能源车企有两个显著的特点：一是非常注重几大域控制器的自研，包括智驾，座舱和动力域；二是对电子电气架构的演进比较关注。综合这两个特点，他认为ASIL-D功能安全等级、HSE加密引擎，和丰富的网络接口能力将是域控制器MCU的必选项，而超高实时算力和硬件支撑的虚拟化机制也将逐渐成为主流。同时，在电子电气架构的边缘测(执行器端)，S32K39这种带驱动能力的高集成度MCU将成为首选。

软件支持方面，恩智浦不但为S32K39提供了完整的部件、操作系统中间件、电机控制、电机演示功能等的软件支持，还有电机控制应用调整功能(MCAT)、S32设计工作室(S32DS)、S32配置工具(S32CT)等工具的赋能。

由AI驱动的电动汽车云连接电池管理系统

新开发的解决方案可通过S32G GoldBox汽车网络参考设计将其高压电池管理系统(HVBMS)连接到云端，以利用由人工智能驱动的电池数字孪生模型。恩智浦通过Electra Vehicles, Inc的EVE-Ai™ 360度自适应控制技术激发云端数字孪生模型的潜在优势，实现更优物理BMS实时预测和管理，提升电池性能，改善电池健康状态(提升高达12%)，并支持多种全新应用(例如电动汽车车队管理)。

AI驱动的电池数字孪生解决方案由恩智浦与Electra Vehicles, Inc.合作开发，方案中包含高精度的传感器、BMS的实时闭环控制以及与预测算法相结合的网络连接，独具性能优势。解决方案包括三个要素——其一是恩智浦基于S32K3的HVBMS参考设计，提供了高精度和高准确性，安全地延长了电池的使用寿命。精确测量电池的SOH和SOC可以充分发挥电池的潜力，并通过准确的诊断来提高行驶里程。 

第二个要素是恩智浦基于S32G的汽车网络处理解决方案。恩智浦GoldBox可为基于云的数据驱动型汽车服务提供安全的高性能计算能力和实时网络性能，以及安全的云连接。Electra Vehicles, Inc.是基于AI的车载电池控制、数据分析和设计的行业领导者。因此，数字孪生解决方案的第三个，也是最后一个要素是实施其EVE-Ai自适应数字孪生模型，并将其电气化解决方案无缝连接到云端。

在恩智浦半导体电池管理系统总监兼部门经理Andreas Schlapka博士看来，电池仍然是电动汽车中最为昂贵的组件，由AI驱动的数字孪生云服务拥有巨大潜在优势，可以改善对电池健康状态(SOH)和充电状态(SOC)的估算，继而提高能效、延长使用寿命、降低成本。运行条件的变化可能导致电池健康状态的持续变化，电池数字孪生模型可适应这种持续变化，并向BMS反馈数据更新，从而持续改进控制决策。

汽车厂商可以使用该技术来提供驾驶员分析，例如剩余里程或速度建议等。除此之外，自适应电池控制还可以改善电池的性能，并安全地延长其使用寿命，为车厂降低保修成本。该技术的另一个潜在应用是电动汽车车队管理，可为车队运营商提供重要的使用情况分析，例如汽车充电时间和电池预测诊断等。此外，有了这些深度信息，电池维护中心可以实现快速诊断，减少停机时间，电动汽车充电站运营商可以有效地优化充电服务，提高能源效率。

此外，随着电动汽车市场不断发展，重复利用电池的供应规模也必将扩大。这些电池作为汽车电池已经达到寿命终点，但其剩余容量惊人，高达80%。如果能源存储系统(ESS)中的剩余电池寿命(RUL)能用于家庭，房主的能源开支将有望降低。

“这里有一个关键点，用户可以直接把在云端开发好的人工智能算法下载到汽车MCU控制器当中，这意味着消费者在本地就能够监测电池健康状态、充电状态，包括CAN总线充电的情况，而这也会给驾驶员的行为带来一些影响和改变。”Andreas Schlapka博士表示，这是一个业界未来标准的实践，它能提升电动车行驶的里程，可以更好地增强电动车电池的健康状态和充电的状态。但需要强调的是，一些国家和政府对数据有相关的监管要求，比如欧盟有电动车“电池护照”概念，在云端、在本地所存储数据会有最低要求，以及最多能放多少数据在云端和车上。

在回应“如何确保建模数据的准确性和精度”问题时，Andreas Schlapka博士称数据质量最终会决定准确性和精度，而数据的质量又取决于上传数据的频繁性，包括数据上传前在车内对数据的管理和预处理。通常情况下，数据上传的频率取决于OEM车厂和网络的可用性，随着4G/5G应用的广泛普及，更加频繁的数据更新是完全可以实现的。另一方面，有些情况下，用户不会只上传一台车的数据，而是会上传整个车队当中具有同一种类型车辆电池的数据，此时就会形成一个大数据模型。所以BMS上云的做法非常具有灵活性的，它取决于汽车厂商的需求、网络的可用性和数据更新的频率等。