林渡
背景
随着智能设备对电池续航、充电管理和温控的需求不断增加，电池管理系统（BMS）中的 I2C 通信成为了一个核心技术。然而，I2C 作为一种基于总线的通信协议，随着设备数量的增加，容易出现总线竞争、超时、阻塞等问题，尤其在充电管理、电流/电压监控等高频场景中，I2C 总线的竞争会导致性能瓶颈和系统卡顿，最终影响用户体验和系统稳定性。
本文将分析一种通过 属性缓存 和 自适应刷新机制 来优化 I2C 访问的设计方案，结合噪声门限、窗口振幅等自适应算法来提升系统的鲁棒性和实时性。
设计的目标
减少 I2C 访问冲突
I2C 作为共享总线，当多个设备同时请求访问时，会导致总线的争用和锁竞争，尤其是在需要频繁访问的属性（如电流、电压、温度等）上，I2C 请求可能会阻塞其他关键操作，甚至导致超时和死锁。
降低 I2C 请求频率
频繁的 I2C 请求不仅增加了总线的负担，还导致了大量不必要的通信。在传统的方案中，很多属性在短时间内不会发生变化，但仍会频繁请求访问，造成资源浪费。
上层的所有数据请求，均变成读取缓存中的数据，但也仍然兼容实时读取的接口（强实时性）
保持系统稳定性和实时性
在电池管理系统中，某些属性（如电压、电流、温度等）对系统的稳定性至关重要。为确保系统在任何时刻都能及时响应变化，必须保证数据的一致性和实时性。通过自适应刷新机制，可以根据属性的重要性和变化频率动态调整刷新频率，避免频繁更新导致的性能下降。
方案原理
属性缓存机制
传统的 I2C 访问模式中，每次读取设备的状态时，都会直接发起 I2C 请求并读取数据，这可能导致频繁的总线竞争和性能下降。为了解决这个问题，我们引入了 属性缓存 机制：
缓存层：将每个 I2C 属性的值保存在本地缓存中，并且缓存值有一个有效期（TTL）。只有当缓存过期时，才会重新发起 I2C 请求。通过减少重复的 I2C 请求，显著降低了总线的负担。
缓存失效和刷新机制：当属性的缓存过期或收到请求刷新时，会通过后台任务（如 workqueue）异步刷新缓存，而不是在主线程中阻塞等待 I2C 请求完成。
这种机制的优点是能够减少 I2C 请求频率，并确保关键属性能在需要时及时刷新，同时避免了 I2C 总线的竞争和冲突。
自适应刷新机制
为了提高系统的实时性和鲁棒性，我们设计了一套自适应刷新机制，具体原理如下：
按时间敏感度分类
根据属性的变化频率和对系统的影响程度，将所有的 I2C 属性分为 FAST、MED、SLOW 和 STATIC 四类：
FAST 类：快速变化的属性，如电流、电压、状态等，需要较高的刷新频率，TTL 范围较小。
MED 类：中等变化频率的属性，如温度、SOC 等，TTL 范围较大。
SLOW 类：变化较慢的属性，如充电周期、电池健康等，TTL 范围更大。
STATIC 类：基本不变化的属性，如设备型号、设计容量等，TTL 非常大，甚至可以忽略刷新。
TTL的动态调整
TTL（Time-To-Live）是属性缓存的有效期，决定了缓存多久后过期。TTL 的值不仅与属性的时间敏感度相关，还会根据 变化频率 和 稳定性 动态调整：
显著变化：当属性的变化大于某个设定的阈值时，TTL 会缩短，强制进行快速刷新。
稳定状态：当属性变化较小时，TTL 会延长，减少不必要的刷新。
噪声抑制：通过 噪声门限 和 窗口振幅，避免因为测量噪声或微小波动导致过度频繁的刷新。
噪声门限与窗口振幅
噪声门限（Noise Threshold）和窗口振幅（Window Amplitude）是自适应刷新机制中的关键算法。它们的作用是过滤掉不重要的噪声变化，只对 显著变化 做出反应。
噪声门限：通过计算属性值的变化幅度，设定一个最小变化阈值，只有当变化大于该阈值时才认为是有效变化。例如，电流传感器可能会因为测量误差或 ADC 抖动导致微小的波动，但这些波动不足以影响系统决策，因此需要设置噪声门限来过滤掉这些微小的变化。
窗口振幅：通过滑动窗口计算一段时间内的 最大变化范围，如果窗口内的变化超过设定的阈值，则认为有显著变化。这能够有效捕捉到 慢变，避免系统错过重要的变化。
并发控制与总线熔断（bus-recovery）
在多属性并发刷新时，可能会导致 I2C 总线资源的竞争。为了避免这种情况，我们采用了 并发控制 和 总线熔断 的机制：
并发控制：通过使用
spinlock或其他锁机制，确保同一时刻只有一个任务访问同一个属性的缓存或 I2C 总线，避免并发冲突。总线熔断：当 I2C 总线出现过多错误或延迟时，系统会进行熔断处理，暂停所有的 I2C 访问，直到总线恢复正常。这样可以避免错误的连锁反应，保持系统稳定。
关键算法
自适应刷新算法
自适应刷新算法的核心目标是根据 属性的变化频率和敏感性 动态调整缓存的有效期（TTL）。TTL 决定了缓存何时过期，需要重新获取数据。算法的思路是，属性变化越频繁，其 TTL 越短；变化较少的属性可以延长 TTL，减少不必要的刷新请求。
基本概念
TTL (Time-To-Live)：属性缓存的有效期。TTL 较短时，属性会更频繁地刷新，TTL 较长时，属性的刷新频率较低。
显著变化：当属性的变化超过了一个设定的阈值时，认为发生了显著变化，TTL 应缩短。
稳定状态：如果属性的值保持不变，TTL 可以逐渐增大，减少刷新频率。
自适应算法的核心逻辑
显著变化检测：
当属性的值发生显著变化时（例如，电流或电压的变化超过一定的阈值），TTL 会缩短，强制进行更频繁的刷新。
显著变化的判定通常通过比较当前值与前一个值之间的差异（
delta）来实现。
稳定状态检测：
当属性值稳定并且变化幅度较小（低于设定的噪声门限和窗口振幅），TTL 会逐渐增大，减少刷新频率。
自适应更新：
基于 噪声门限（noise threshold） 和 窗口振幅（range threshold），调整 TTL。噪声门限用于避免小幅度的波动影响刷新频率，而窗口振幅则用于检测慢变趋势。
算法公式
显著变化检测
其中：
Δ=∣current−previous∣是两次采样的差值
\epsilon是噪声门限或动态变化门限，通常通过噪声估计（EWMA）来计算
TTL 更新
这样，TTL 在 显著变化时会被缩短(0.5倍系数)，在 稳定时逐渐延长(1.5倍系数)，但仍然在设置的min_ttl ~ max_ttl内。系数可以按需调整
比如：
当发现温度在一段时间t内变化很小，那下一次的缓存刷新时间就变成1.5t，
然后再1.5t时间内如果发现仍然变化很小，则再下一次的缓存刷新时间就变成了1.5t*1.5，
然后再1.5t*1.5时间内，发现缓存刷新时间很显著，则下一次缓存刷新时间变为 1.5t*1.5 / 2
当然所有的刷新时间都必须满足在min_ttl和max_ttl之内！
自适应刷新伪代码
// 获取当前的显著变化（delta）和噪声估计值
delta = abs(current_value - previous_value);
noise = calculate_noise_estimate();
// 计算当前的门限（阈值），根据噪声门限和窗口振幅动态调整
eps = max(abs_eps_floor, k_noise * noise);
range = calculate_window_range();
// 判断是否为显著变化
if (delta > eps || range > range_eps_floor) {
// 显著变化：加速刷新，缩短 TTL
ttl = max(min_ttl, ttl / 2); // 缩短 TTL
stable_count = 0; // 重置稳定计数
} else {
// 稳定状态：延长 TTL，减少刷新频率
stable_count++;
if (stable_count >= 3) { // 3次稳定才延长TTL
ttl = min(max_ttl, ttl + (ttl / 2)); // 延长 TTL
}
}
// 更新缓存
update_cache(ttl, current_value);噪声门限算法
噪声门限算法的目标是避免将小的测量误差、噪声或量化误差当作有效变化来进行处理。通过设定一个阈值（eps），当属性值变化小于该阈值时，认为其变化不足以触发刷新的操作。
噪声门限的作用
过滤噪声：由于 ADC、传感器或者电路噪声，电流/电压等信号可能会产生小幅度波动，这些波动不代表实际的系统状态变化，通过噪声门限来避免这些微小的变化触发刷新。
减少不必要的刷新：如果每次微小变化都触发 I2C 请求，会导致 I2C 总线的拥塞。噪声门限能够有效减少这种情况。
噪声门限算法原理
噪声门限的基本思想是，通过计算变化值
delta（即当前值与前一个值的差异），与设定的门限值eps进行比较。当
delta > eps时，认为发生了显著变化，需要刷新缓存。当
delta <= eps时，认为变化太小，可以忽略，不进行刷新。
算法公式
噪声估计（EWMA）
这里Δ是当前值与前一个值的差异，noise是当前的噪声估计。
1/8的平滑系数可以改动，是一个暂时合理的数字，具体还是需要在实际中调整
过大的平滑系数会使得噪声估计对短期波动反应过于敏感，导致噪声门限过低，有可能会触发误判
过小的平滑系数会使得噪声估计对短期波动反应无反应，导致慢变的真实反映被平滑掉，系统无法相应这样的变化
门限计算
其中：
\epsilon是计算出的门限，用于判断是否触发刷新。
\text{abs\_eps\_floor}是设置的最低门限，防止门限过小导致不必要的触发。
EWMA（指数加权移动平均）：用于计算当前的噪声估计，避免瞬时波动对系统的影响。通过 k_noise 参数来控制噪声敏感度，k_noise 越大，系统对噪声的敏感度越低。
变化显著判定：
只有当 变化幅度 delta 大于门限 $$\epsilon$$时，才认为是 显著变化。
噪声门限算法伪代码
// 更新噪声估计（采用EWMA）
noise = (current_delta - noise) / 8 + noise;
// 计算当前的噪声门限
eps = max(abs_eps_floor, k_noise * noise);
// 检测变化是否显著
if (abs(current_value - previous_value) > eps) {
// 发生显著变化
update_cache(current_value);
}窗口振幅算法
窗口振幅算法的作用是检测属性的 累计变化。即使单步的变化 delta 小于噪声门限，如果多次小的变化累计到一定程度，也应该触发刷新。
窗口振幅的作用
检测慢变变化：例如，充电电流可能逐步增加，而每次变化都很小。虽然这些变化小于噪声门限，但它们的累计效果可能对系统有影响。通过窗口振幅，我们可以检测到这些慢变的趋势。
避免TTL过度延长：在某些情况下，尽管变化幅度很小，但如果变化累积起来，它可能会导致系统状态发生显著变化。窗口振幅能够确保系统能够及时响应这些变化。
窗口振幅算法原理
在每次属性值变化时，都会将当前值与历史值存入一个滑动窗口。
通过计算窗口内的最大值和最小值，得到窗口振幅（
range = max - min）。如果窗口振幅超过设定的阈值，则认为发生了显著变化，并触发刷新。
算法公式
窗口内值更新
每次有新值时，都将该值插入滑动窗口，并更新窗口位置。
窗口振幅计算
计算滑动窗口内的 最大值与最小值的差，作为变化的幅度。
显著变化判定
如果 窗口振幅 超过了设定的阈值，认为发生了显著变化，触发刷新。
窗口振幅算法伪代码
// 更新滑动窗口
push_to_window(current_value);
// 计算窗口振幅
range = window_max - window_min;
// 如果振幅超过阈值，认为是显著变化
if (range > range_eps_floor) {
// 发生显著变化
update_cache(current_value);
}
引擎适配
引擎驱动
charger_property_engine.ko已在本地编译成功
