当前位置: 首页 > news >正文

新能源车浪潮来袭,同时存在高压低压系统,如何准确进行高低压布线间距EMC分析?

摘要

随着车辆电气化水平的逐步提升,电气零部件布局和布线面临着前所未有的挑战,在不断的压缩电气零部件间间距后,EMC性能成为非常关键的性能指标。特别是对于新能源车型,同时存在高压和低压系统,高低压耦合若处理的不好则EMC问题会频发。

本文重点对新能源车高低压布线间距进行EMC分析,从理论、标准、仿真、测试四个方面进行全面的分析,并给出相关的布线间距建议。

注:EMC (电磁兼容性):Electro Magnetic Compatibility

1.  理论分析

1.1 容性耦合模型

如果两个线束间以容性耦合为主,则容性耦合模型如图1所示。导体1一端口含干扰源V1,二端口对地阻抗为Z1,其与地之间的分布电容为C1g;导体2为被耦合对象,其端口对地阻抗分别为Z21、Z22,其与地之间的分布电容为C2g,导体2与导体1间的分布电容为C12。则导体2上耦合到的干扰电压,如果R2与V1相对固定,则C12主要影响到V2值的大小,而两线之间的间距d直接影响C12的大小,d越大C12越小。

图片

图1 容性耦合模型

1.2 感性耦合模型

如果两个线束回路间以感性耦合为主,则感性耦合模型如图2所示。导线回路1一端口含干扰源V1,二端口对地阻抗为Z1,回路1中流过的干扰电流为I1;导线回路2为被耦合对象,其端口对地阻抗分别为Z21、Z22,导线回路2与导线回路1间的互感为M12。则导线回路2上耦合到的干扰电压,如果I1相对固定,则M12主要影响到V2值的大小,而两线之间的间距d直接影响M12的大小,d越大M12越小。

图片

图2 感性耦合模型

1.3 近场效应预估

对于容性、感性耦合模型,由于干扰源和相关的分布参数很难能够进行准确的量化计算,再结合麦克斯韦方程组进行电场、磁场的量化计算就更困难了。

麦克斯韦方程组中变化的磁场产生电场:

图片

变化的电场产生磁场:

图片

但由于工程实际中很难能够使用标准化的公式来表达相关参数,因此,一般需要借助仿真的手段来计算完成。

除了计算以外,也可以采用近场效应预估的方法做比较简单的数量级预估。由于整车环境下布置间距考虑EMC风险的基本在100mm以内,对于整车EMC关心的频段基本都处于近场区。近场效应电磁场结果又非常复杂,在这里简单的按照电场/磁场强度反比于距离d的三次方进行预估。数量级差别对比预估如表1所示。

表1 近场效应预估

图片

由上表可以看出:1mm到10mm的间距变化,电磁场强度可衰减约1000倍;10mm到20mm的间距变化,电磁场强度可衰减约8倍;20mm到30mm的间距变化,电磁场强度可衰减约3.378倍;再往后间距每增加10mm,电磁场强度可衰减约2-4倍。因此在1mm-100mm间距范围内,随着间距变化越大电磁场强度衰减越大,但间距达到20mm以后,电磁场强度衰减就不会再有大的突变了。因此,通过近场效应预估,对于有明显耦合风险的新能源车高低压线束布线间距建议至少控制在20mm以上。

2.  标准分析

2.1 发射端标准分析

由于新能源车高低压系统这种高低压线束间串扰最大的风险主要是在低频段低频电磁场耦合,因此本文重点分析低频电磁场相关标准要求。发射端低频电磁场发射(MFE)相关要求,这里以标准MIL-STD-461F(2007)为例,标准布置如图3所示[1],测量探头距离被测物间距为70mm。

图片

图3 MFE测试布置图

标准限值要求如图4所示[1],30Hz-100kHz(对数坐标)范围内,磁场限值要求从180dBpT-110dBpT。按照50Ω标准阻抗系统,可换算如下:

图片

图片

图4 MFE限值要求

2.2 抗扰端标准分析

与MFE相对应的抗扰端标准即为低频电磁场抗扰(MFI)标准,这里以ISO 11452-8(2007)中的辐射线圈法为例,标准布置如图5所示[2],测量探头距离被测物间距为50mm。

图片

图5 MFI测试布置图

抗扰度等级要求如图6所示[2],15Hz-150kHz范围内,建议了4个抗扰度等级。在不考虑测试间距、测试设备和系统间差异等影响因素的前提下,MFI抗扰度等级与MFE限值进行量化的裕量对比。30Hz处MFE发射量为794A/m,为保证裕量MFI抗扰度等级至少为level 4,此时裕量为206A/m(约46dB);100kHz处MFE发射量为0.25A/m,为保证裕量MFI抗扰度等级至少为level 3,此时裕量为2.75A/m(约8.8dB)。

图片

图6 MFI抗扰度等级要求

2.3 标准分析建议

基于标准体系分析,在发射端和抗扰端各自满足其低频电磁场标准要求的前提下,EMC风险基本可控且有一定裕量。测试距离MFE为70mm、MFI为50mm。因此,从标准测试结果管控的角度来分析,新能源车高低压线束布线间距建议控制在70mm以上。

3.  仿真分析

3.1 仿真模型

采用实车模型并建立高低压线束模型,高压线束为屏蔽线束,通过调整高低压线束间距(1mm,10mm,30mm,50mm,70mm,100mm),对比分析高低压耦合的感应磁场和低压线束端感应电流大小,根据分析结果建议合适的布线间距。仿真模型如图7所示。

图片

图7 整车含高低压线束模型

3.2 仿真结果

图8所示为高低压线束间耦合感应磁场分布示例,通过颜色坐标显示磁场强度大小。此时的高压端干扰源按标准单位强度处理,可通过不同布线间距的磁场强度大小做简单的对比分析。

图片

图8 耦合感应磁场分布示例

更直接的结果是查看低压线束端感应电流大小,通过不同布线间距进行对比分析,如图9所示。可以看出总体结论是:间距调整,谐振频点基本一致;间距越大,耦合感应电流越小;间距达到50mm左右后,耦合的感应电流大小再无明显的下降趋势。

图片

图9 感应电流大小对比

3.3 仿真分析建议

基于仿真结果分析,在关心的频段200MHz以下范围内,布线间距控制在50mm以上后,高低压耦合EMC风险基本可控。因此,通过仿真的手段进行分析,新能源车高低压线束布线间距建议控制在50mm以上。

4.  测试分析

4.1 测试布置

采用近场环形探头在整车高压系统附近测量磁场强度,环天线在驱动电机逆变器DC高压线附近测量的布置示意如图10所示,高压线束为屏蔽线束。

图片

图10 测试布置示意

4.2 测试结果

首先在整车各种工况和车内高压系统的各个位置进行测量,找寻最大发射量,测试下来总体趋势是频率越低干扰越大,最大干扰量约在25Hz附近可达到约290mA/m,如图11所示。如果低压线束靠近布置,会存在明显的高低压耦合风险。

图片

图11 最大发射量测试结果

接着在同一测量位置,环天线不同距离进行测试结果对比,分析随着距离增大,磁场强度的衰减程度,测试结果如图12所示。12-1为频段20Hz-200kHz的对比结果,12-2为频段10kHz-100kHz的展开对比结果。

图片

图12 不同间距测试结果对比

4.3 测试分析建议

基于测试结果分析,总体趋势:随着测量间距逐步增大,测量得到的电磁场强度越低,频率越低差别越大。在测试距离达到35mm左右以上,电磁场强度基本再无明显衰减。因此,通过测试的手段进行分析,新能源车高低压线束布线间距建议控制在35mm以上。

5.  结论与建议

针对新能源车高低压线束布线问题,如果能够控制足够大的布线间距,高低压耦合带来的EMC风险基本可控。但是如果由于工程实施各种原因需要不断压缩高低压线束间的布线间距,此时需要评估由此带来的EMC风险。

通过以上理论、标准、仿真、测试四方面的量化分析:理论分析建议控制在20mm以上;标准分析建议控制在70mm以上;仿真分析建议控制在50mm以上;测试分析建议控制在35mm以上。因此,综合评估下,在整车上工程实施高低压线束布线时,为了避免高低压耦合带来的EMC风险,布线间距建议至少能够控制在40mm以上。

参考文献

[1] MIL-STD-461F, REQUIREMENTS FOR THE CONTROL OF ELECTROMAGNETIC INTERFERENCE CHARACTERISTICS OF SUBSYSTEMS AND EQUIPMENT, 2007.

[2] ISO 11452-8, Road vehicles-Component test methods for electrical disturbances from narrowband radiated electromagnetic energy. Part 8: Immunity to magnetic fields, 2007.

作者:王洪武

上海汽车集团股份有限公司技术中心

*本论文来自 2021 Altair 技术大会论文投稿


关于 Altair 澳汰尔

Altair(纳斯达克股票代码:ALTR)是计算智能领域的全球领导者之一,在仿真、高性能计算 (HPC) 和人工智能等领域提供软件和云解决方案。Altair 能使跨越广泛行业的企业们在连接的世界中更高效地竞争,并创造更可持续的未来。

公司总部位于美国密歇根州,服务于 16000 多家全球企业,应用行业包括汽车、消费电子、航空航天、能源、机车车辆、造船、国防军工、金融、零售等。

欲了解更多信息,欢迎关注公众号:Altair 澳汰尔

相关文章:

新能源车浪潮来袭,同时存在高压低压系统,如何准确进行高低压布线间距EMC分析?

摘要 随着车辆电气化水平的逐步提升,电气零部件布局和布线面临着前所未有的挑战,在不断的压缩电气零部件间间距后,EMC性能成为非常关键的性能指标。特别是对于新能源车型,同时存在高压和低压系统,高低压耦合若处理的不…...

QUIC 协议

详解 QUIC 协议:它为何比 TCP 更优越?...

【软件测试】--接口测试

1. 接口用例设计 接口测试的测试点 功能测试 单接口功能: 手工测试中的单个业务模块,一般对应一个接口 登陆业务 --> 登陆接口加入购物车业务 --> 加入购物车接口订单业务 --> 订单接口支付业务 --> 支付接口 借助工具、代码。绕开前端界面…...

【前端】上传视频,截取第一帧图片

使用input上传视频&#xff0c;获得视频的第一帧 参考&#xff1a;JavaScript获取视频的尺寸信息和第一帧图片 - 掘金 (juejin.cn) html&#xff1a; <inputbind:this{uploadRef}on:change{handleUpload}accept"video/*"type"file"/>视频类型校验&a…...

Redis-GEO数据结构的基本用法

GEO就是Geolocation的简写形式&#xff0c;代表地理坐标。Redis在3.2版本中加入了对GEO的支持&#xff0c;允许存储地理坐标信息&#xff0c;帮助我们根据经纬度来检索数据。常见的命令有&#xff1a; GEOADD&#xff1a;添加一个地理空间信息&#xff0c;包含&#xff1a;经度…...

【Linux C | 网络编程】进程池大文件传输的实现详解(三)

上一篇实现了进程池的小文件传输&#xff0c;使用自定义的协议&#xff0c;数据长度数据本身&#xff0c;类似小火车的形式&#xff0c;可以很好的解决TCP“粘包”的问题。 【Linux C | 网络编程】进程池小文件传输的实现详解&#xff08;二&#xff09; 当文件的内容大小少于…...

Mac如何通过SSH连接Github

目录 前言 一、实现步骤 1.生成 SSH 密钥对 2.添加 SSH 密钥到 GitHub&#xff1a; 3.配置 SSH 连接 1.更新远程仓库 URL 2.测试 SSH 连接 前言 GitHub 在 2021 年 8 月 13 日停止了对使用密码进行身份验证的支持。因此&#xff0c;你需要使用其他认证方式&#xff0c;如…...

成就巴西休闲游戏如何借助Google谷歌广告投放优势

在探讨巴西休闲游戏如何借助谷歌广告投放优势实现市场扩张的过程中&#xff0c;我们不得不深入分析巴西市场的独特属性、休闲游戏的兴起背景&#xff0c;以及谷歌广告平台在全球范围内的强大影响力。近年来&#xff0c;随着移动游戏市场的快速发展&#xff0c;特别是中轻度休闲…...

利用python检查磁盘空间使用情况

目录 一.前言 二.使用的库介绍 三.代码实现以及解析 3.1导入模块 3.2邮件发送函数 send_email 3.3检查磁盘空间函数 check_and_clean_disk 3.4主程序逻辑 四.致谢 一.前言 在信息技术飞速发展的今天&#xff0c;数据量的激增使得磁盘空间管理成为系统运维中的一项基…...

卷积神经网络(五)---图像增强的方法

前面的部分专注于卷积神经网络的层结构介绍&#xff0c;同时还介绍了到目前为止比较出名的卷积神经网络&#xff0c;接着使用比较复杂的卷积神经网络提高了 MNIST 数据集的准确率。下面将从另外的角度——图像增强的方面入手&#xff0c;提高模型的准确率和泛化能力。 一直以来…...

矩阵常见分解算法及其在SLAM中的应用

文章目录 常见特殊矩阵定义Cholesky分解&#xff08;正定Hermittian矩阵&#xff0c;分解结果唯一&#xff09;Cholesky分解应用 SVD分解&#xff08;将singularvalues排序后分解唯一&#xff09;SVD 分解的应用&#xff08;任意矩阵&#xff09; QR分解&#xff08;任意矩阵&a…...

【排序】快速排序详解

✨✨欢迎大家来到Celia的博客✨✨ &#x1f389;&#x1f389;创作不易&#xff0c;请点赞关注&#xff0c;多多支持哦&#x1f389;&#x1f389; 所属专栏&#xff1a;排序 个人主页&#xff1a;Celias blog~ 一、快速排序的思想 快速排序的核心思想是&#xff1a; 选定一个…...

贪心算法总结(2)

一、买卖股票的最佳时机 . - 力扣&#xff08;LeetCode&#xff09; class Solution { public:int maxProfit(vector<int>& prices) {int miniINT_MAX;int ret0;for(int&price:prices){//遍历的时候&#xff0c;我们随时去更新最小的值&#xff0c;然后让每一位…...

弘景光电:技术实力与创新驱动并进

在光学镜头及摄像模组产品领域&#xff0c;广东弘景光电科技股份有限公司&#xff08;以下简称“弘景光电”&#xff09;无疑是一颗耀眼的明星。自成立以来&#xff0c;弘景光电凭借其强大的研发实力、卓越的产品性能、精密的制造工艺以及严格的质量管理体系&#xff0c;在光学…...

2024年7月23日~2024年7月29日周报

目录 一、前言 二、完成情况 2.1 一种具有边缘增强特点的医学图像分割网络 2.2 融合边缘增强注意力机制和 U-Net 网络的医学图像分割 2.3 遇到的困难 三、下周计划 一、前言 上周参加了一些师兄师姐的论文讨论会议&#xff0c;并完成了初稿。 本周继续修改论文&#xff0…...

M3U8流视频数据爬虫

M3U8流视频数据爬虫 HLS技术介绍 现在大部分视频客户端都采用HTTP Live Streaming&#xff08;HLS&#xff0c;Apple为了提高流播效率开发的技术&#xff09;&#xff0c;而不是直接播放MP4等视频文件。HLS技术的特点是将流媒体切分为若干【TS片段】&#xff08;比如几秒一段…...

保护您的数字财富:模块化沙箱在源代码防泄露中的突破

在数字化浪潮中&#xff0c;企业面临着前所未有的数据安全挑战。源代码、商业机密、客户数据……这些宝贵的数字资产一旦泄露&#xff0c;后果不堪设想。SDC沙盒防泄密系统&#xff0c;以其卓越的技术实力和创新的解决方案&#xff0c;为企业提供了一个坚不可摧的安全屏障。 核…...

FFmpeg源码:avio_r8、avio_rl16、avio_rl24、avio_rl32、avio_rl64函数分析

一、引言 AVIOContext是FFmpeg&#xff08;本文演示用的FFmpeg源码版本为5.0.3&#xff09;中的字节流上下文结构体&#xff0c;用来管理输入输出数据。打开一个媒体文件的时候&#xff0c;需要先把数据从硬盘读到缓冲区&#xff0c;然后会用到AVIOContext中的如下成员&#x…...

如何使用 API 查看极狐GitLab 镜像仓库中的镜像?

GitLab 是一个全球知名的一体化 DevOps 平台&#xff0c;很多人都通过私有化部署 GitLab 来进行源代码托管。极狐GitLab &#xff1a;https://gitlab.cn/install?channelcontent&utm_sourcecsdn 是 GitLab 在中国的发行版&#xff0c;专门为中国程序员服务。可以一键式部署…...

软件-vscode-plantUML-IDEA

文章目录 vscode基础命令 实操1. vscode实现springboot项目搭建 &#xff08;包括spring data jpa和sqlLite连接&#xff09; PlantUMLIDEA下载及安装Eval Reset插件配置修改IDEA创建项目的默认目录IDEA配置gitIDEA翻译插件translationIDEA断点调试IDEA全局搜索快捷键不能使用代…...

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…...

HTML 语义化

目录 HTML 语义化HTML5 新特性HTML 语义化的好处语义化标签的使用场景最佳实践 HTML 语义化 HTML5 新特性 标准答案&#xff1a; 语义化标签&#xff1a; <header>&#xff1a;页头<nav>&#xff1a;导航<main>&#xff1a;主要内容<article>&#x…...

Prompt Tuning、P-Tuning、Prefix Tuning的区别

一、Prompt Tuning、P-Tuning、Prefix Tuning的区别 1. Prompt Tuning(提示调优) 核心思想:固定预训练模型参数,仅学习额外的连续提示向量(通常是嵌入层的一部分)。实现方式:在输入文本前添加可训练的连续向量(软提示),模型只更新这些提示参数。优势:参数量少(仅提…...

HTML 列表、表格、表单

1 列表标签 作用&#xff1a;布局内容排列整齐的区域 列表分类&#xff1a;无序列表、有序列表、定义列表。 例如&#xff1a; 1.1 无序列表 标签&#xff1a;ul 嵌套 li&#xff0c;ul是无序列表&#xff0c;li是列表条目。 注意事项&#xff1a; ul 标签里面只能包裹 li…...

[10-3]软件I2C读写MPU6050 江协科技学习笔记(16个知识点)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16...

rnn判断string中第一次出现a的下标

# coding:utf8 import torch import torch.nn as nn import numpy as np import random import json""" 基于pytorch的网络编写 实现一个RNN网络完成多分类任务 判断字符 a 第一次出现在字符串中的位置 """class TorchModel(nn.Module):def __in…...

Reasoning over Uncertain Text by Generative Large Language Models

https://ojs.aaai.org/index.php/AAAI/article/view/34674/36829https://ojs.aaai.org/index.php/AAAI/article/view/34674/36829 1. 概述 文本中的不确定性在许多语境中传达,从日常对话到特定领域的文档(例如医学文档)(Heritage 2013;Landmark、Gulbrandsen 和 Svenevei…...

网站指纹识别

网站指纹识别 网站的最基本组成&#xff1a;服务器&#xff08;操作系统&#xff09;、中间件&#xff08;web容器&#xff09;、脚本语言、数据厍 为什么要了解这些&#xff1f;举个例子&#xff1a;发现了一个文件读取漏洞&#xff0c;我们需要读/etc/passwd&#xff0c;如…...

Web后端基础(基础知识)

BS架构&#xff1a;Browser/Server&#xff0c;浏览器/服务器架构模式。客户端只需要浏览器&#xff0c;应用程序的逻辑和数据都存储在服务端。 优点&#xff1a;维护方便缺点&#xff1a;体验一般 CS架构&#xff1a;Client/Server&#xff0c;客户端/服务器架构模式。需要单独…...

Qt 事件处理中 return 的深入解析

Qt 事件处理中 return 的深入解析 在 Qt 事件处理中&#xff0c;return 语句的使用是另一个关键概念&#xff0c;它与 event->accept()/event->ignore() 密切相关但作用不同。让我们详细分析一下它们之间的关系和工作原理。 核心区别&#xff1a;不同层级的事件处理 方…...