【EIS芯片应用专题之二】SENSIPLUS DCMU深度解读：面向锂离子电池的紧凑低功耗ASIC芯片在线高分辨率EIS

TL;DR：Ria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：

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

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 bit（ENOB约17 bit @ 1 kHz带宽）
• 数字滤波器：Comb-Integrator（CIC）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）、SENSIBUS（Sensichips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_STIM
• M₁：功率NMOSFET（IRLR024N，International Rectifier），漏极耐压55 V、连续电流17 A（TC=100°C）、栅极电荷Qg=12 nC @ Vgs=10 V，低导通电阻（R_DS(on)=75 mΩ @ Vgs=10 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 V，I_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/V（V_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_S=2.5 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 IA

1MΩ │ │

│ ▼ │

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/(R₁+R_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 Hz，C₁阻抗Z_C ≈ 1/(2π·f·4.7μF) << R₁
• C₁等效短路，A点直接接V_BAT-S，B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（Force+Sense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

3.3 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：

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：

Z=Istim​Vresponse​​=R+jX=I0​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：

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：

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

关键差异分析：

1. 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。

2. 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。

3. 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：B1（3.9 V）、B2（3.9 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B1+B2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

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：

1. 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

2. 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

3. 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、FAQ

Q1：DCMU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MOSFET（IRLR024N）将激励电流提升至200 mA；通过LDO（MCP1802-3.3）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。

Q2：20 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。

Q3：DCMU为何需要双频段正弦波合成策略？

A3：SENSIPLUS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）。

Q4：ACU-WB（交流不平衡惠斯通电桥）在测量中扮演什么角色？

A4：ACU-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_AB=0），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，C₁（4.7 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MOSFET（M₁）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。