Battery-Emulator项目v8.0.0版本发布:电池模拟器迎来重大升级
Battery-Emulator是一个开源的电池模拟器项目,它能够模拟各种电动汽车电池的通信协议和行为,使开发者能够在不使用真实电池的情况下进行电池管理系统(BMS)和逆变器的开发测试。该项目支持多种主流电动汽车电池型号,包括特斯拉、宝马i3、日产Leaf等,同时也支持与多种逆变器设备的通信。
核心升级内容
1. 新增电池支持
本次8.0.0版本新增了对两款重要电动汽车电池平台的支持:
-
Stellantis eCMP平台:该平台广泛应用于雪铁龙、DS、欧宝和标致等品牌车型。模拟器现在可以准确模拟这些车辆的电池通信协议和行为特征。
-
雪佛兰Bolt/欧宝Ampera-e电池:新增了对这款64kWh电池的完整模拟支持,包括其特有的通信协议和状态报告机制。
2. 现有电池模拟的改进
-
雷诺Zoe Gen1:
- 完善了电流传感器的CAN映射
- 现在严格遵循BMS发送的允许充放电功率限制,提高了安全性
- 增加了更多CAN消息的详细信息
-
特斯拉S/3/X/Y:
- 接触器闭合前会等待获取所有单体电压数据
- 电池信息页面增加了大量详细信息
- 修复了日志记录中的引用问题
- 减少了看门狗定时器的干扰
-
宝马i3:
- 双电池配置现在可以使用独立的唤醒引脚
- 修复了双电池配置下第二组电池单体电压不显示的问题
3. 逆变器支持增强
-
新增SMA Tripower Smart Energy协议:支持与SMA Sunny Tripower智能能源逆变器的通信。
-
SMA逆变器改进:
- 对于ESP32 DevKit等硬件,现在可以通过LED指示灯显示接触器闭合状态
- 代码重构提高了可维护性
-
Solax逆变器修复:解决了Solax Ultra逆变器无法显示SOC%的问题。
4. 硬件支持扩展
-
ESP32 DevKit V1:新增了对这款开发板的完整支持。
-
CAN控制器支持:
- MCP2515和MCP2518FD(MCP2517)现在可以同时工作
- 为CAN附加模块添加了任务优先级设置
-
SD卡日志记录:支持将CAN帧记录到SD卡(需要LilyGo硬件)。
-
BMW S-BOX支持:新增对宝马S-BOX设备的支持,可作为分流器和接触器盒使用,特别适用于DIY电池和Chademo应用。
5. 安全性与代码质量提升
-
用户凭证管理:引入了新的USER_SECRETS.h文件专门管理敏感凭证,降低了开发过程中意外提交敏感信息的风险。
-
代码重构:
- 简化了USER_SETTINGS配置
- 重命名了CAN通信相关函数,提高代码可读性
- 整体代码结构优化,提高了可维护性
-
稳定性改进:
- 修复了可能导致板级启动循环和即时崩溃的问题
- 恢复了Async库并实现了互斥锁
- 修复了由百分比字符记录引起的系统崩溃
6. 日志系统升级
- 从固定串口日志改为灵活的日志系统,支持更丰富的日志输出选项。
技术亮点解析
-
双电池系统支持:宝马i3的双电池配置现在拥有更完善的实现,包括独立的唤醒引脚和电压显示,这对于研究多电池组系统的开发者特别有价值。
-
安全机制强化:特斯拉和雷诺电池模拟现在更加严格地遵循原厂BMS的安全限制,包括功率限制和接触器控制时序,使测试环境更接近真实情况。
-
硬件抽象层改进:通过将硬件特定检查移到各自的硬件定义文件中,提高了代码的模块化程度,使添加新硬件支持更加容易。
-
多CAN控制器支持:同时支持MCP2515和MCP2518FD控制器,为需要同时处理传统CAN和CAN FD的应用场景提供了可能。
升级建议
对于现有用户,升级到v8.0.0版本需要注意以下几点:
-
必须操作:将USER_SECRETS.TEMPLATE.h文件复制/重命名为USER_SECRETS.h,并更新其中的连接设置。这是新版本为提高网络安全性的必要步骤。
-
硬件兼容性:如果使用特殊硬件配置(如双CAN控制器或SD卡记录),需要检查相关引脚定义是否与硬件匹配。
-
日志系统:新的灵活日志系统可能需要调整现有调试代码中的日志输出语句。
-
性能考虑:对于资源受限的硬件,启用所有新功能可能会增加处理负担,建议根据实际需求选择性启用功能。
Battery-Emulator v8.0.0版本通过新增硬件支持、完善现有功能和提高系统稳定性,为电动汽车电池系统开发者提供了更强大、更安全的测试工具。特别是对安全机制的强化和代码结构的优化,使得项目更加适合用于商业级应用的开发和测试。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00