"""Riconoscimento dei domini: riposo, riscaldamento (salita rapida), raffreddamento (decadimento) — nessun LLM.""" import numpy as np def sigma_robusto(d): """σ robusto di un campione di differenze (MAD).""" return 1.4826 * np.median(np.abs(d - np.median(d))) def sigma_rumore(y): """σ del rumore bianco dalla derivata seconda discreta: 1.4826·MAD(d²y)/√6.""" if len(y) < 4: return float("nan") return sigma_robusto(np.diff(y, 2)) / np.sqrt(6) def trova_gradini(y, cfg): """(i0, i1) dei campioni di salita di ogni gradino di riscaldamento (i1 escluso): salto positivo > soglia, esteso ai campioni adiacenti ancora in salita (salto > soglia_bordo_sigma · σ dei salti).""" c = cfg["domini"] d = np.diff(y) forti = np.flatnonzero(d > c["soglia_gradino_c"]) if len(forti) == 0: return [] soglia_bordo = c["soglia_bordo_sigma"] * sigma_robusto(d) gruppi, corrente = [], [forti[0]] for i in forti[1:]: if i - corrente[-1] < c["distanza_min_salti_campioni"]: corrente.append(i) else: gruppi.append(corrente) corrente = [i] gruppi.append(corrente) gradini = [] for g in gruppi: inizio, fine = int(g[0]), int(g[-1]) while inizio > 0 and d[inizio - 1] > soglia_bordo: inizio -= 1 while fine + 1 < len(d) and d[fine + 1] > soglia_bordo: fine += 1 gradini.append((inizio + 1, min(fine + 2, len(y)))) return gradini def proponi(t, serie, cfg): """Lista di domini {tipo, i0, i1} (i1 escluso): riposo, poi per ogni gradino un `riscaldamento` (la salita rapida, pochi campioni) seguito da un `raffreddamento` (il decadimento fino al gradino successivo o alla fine).""" y = serie[cfg["domini"]["serie_riferimento"]] domini, prec = [], 0 for g0, g1 in trova_gradini(y, cfg): if g0 > prec: domini.append({"tipo": "riposo" if not domini else "raffreddamento", "i0": prec, "i1": g0}) domini.append({"tipo": "riscaldamento", "i0": g0, "i1": g1}) prec = g1 if prec < len(y): domini.append({"tipo": "riposo" if not domini else "raffreddamento", "i0": prec, "i1": len(y)}) return domini def scrivi_toml(percorso, domini, t): """domini.toml: modificabile a mano (tipo, t0_s, t1_s); gli indici si ricalcolano dal tempo.""" righe = ["# domini.toml — proposta automatica, modificabile: t0_s incluso, t1_s escluso (ultimo dominio: incluso)\n"] for d in domini: t1 = t[d["i1"]] if d["i1"] < len(t) else t[-1] righe.append(f'[[dominio]]\ntipo = "{d["tipo"]}" # riposo | riscaldamento | raffreddamento\n' f't0_s = {t[d["i0"]]:.4f}\nt1_s = {t1:.4f}\n') percorso.write_text("\n".join(righe), encoding="utf-8") def leggi_toml(percorso, t): import tomllib with open(percorso, "rb") as f: voci = tomllib.load(f).get("dominio", []) if not voci: raise ValueError("domini.toml senza [[dominio]]") domini = [] for k, v in enumerate(voci): if v["tipo"] not in ("riposo", "riscaldamento", "raffreddamento"): raise ValueError(f"dominio {k + 1}: tipo '{v['tipo']}' non valido") i0 = int(np.searchsorted(t, v["t0_s"] - 1e-6)) i1 = len(t) if k == len(voci) - 1 else int(np.searchsorted(t, v["t1_s"] - 1e-6)) if i1 <= i0: raise ValueError(f"dominio {k + 1}: intervallo vuoto o in ordine errato") domini.append({"tipo": v["tipo"], "i0": i0, "i1": i1}) if any(domini[k]["i1"] != domini[k + 1]["i0"] for k in range(len(domini) - 1)): raise ValueError("i domini devono essere contigui (t1_s di uno = t0_s del successivo)") return domini