Rimuove il modello ai volumi finiti lasciando la sola analisi FEM

Il progetto conteneva due discretizzazioni indipendenti della stessa fisica:
i volumi finiti sulla sezione x-z di simulate.py (con generazione del dataset
CSV e le sue animazioni 2D/3D) e gli elementi finiti sulla mesh shell di
fem.py. Resta solo il secondo, che risolve la circonferenza invece di
collassarla in un'attenuazione gaussiana.

Eliminati simulate.py, plot_csv.py, plot_animazione.py e plot_animazione_3d.py.
Il FEM dipendeva da simulate.py per la cinematica del gruppo di sorgenti e per
la configurazione del run, quindi fem.py assorbe _x_riferimento_iniziale_m,
_x_riferimento_finale_m, _intervallo_attivo e configurazione_randomizzata; la
lettura del sensore (inerzia, rumore, quantizzazione) è ora applicata dentro
simula_campo_fem e la skin depth resta calcolata dalla frequenza dell'induttore
come sola grandezza diagnostica, dato che nel modello shell lo spessore è
collassato.

config.py perde i parametri che servivano solo ai volumi finiti (griglia
n_nodi_x/n_nodi_z, campionamento e cartella del dataset, numero di processi) e
guadagna FEM["durata_s"], FEM["seed"] e USCITA["cartella"]: le immagini e le
animazioni vanno in output/ invece che in dataset/.

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

plot_animazione_fem.py

@@ -1,17 +1,15 @@
-# Animazione 3D isometrica del barattolo con il campo di temperatura calcolato
+# Animazione 3D isometrica della fascetta con il campo di temperatura calcolato
 # a elementi finiti sulla mesh shell (fem.py).
 #
-# È l'equivalente di plot_animazione_3d.py ma senza ricostruzioni: lì il campo
-# circonferenziale era estruso riusando la gaussiana della sorgente, qui la
-# coordinata circonferenziale è una direzione risolta del modello FEM, quindi
-# la temperatura dipinta su ogni elemento è quella effettivamente calcolata.
+# La coordinata circonferenziale è una direzione risolta del modello FEM,
+# quindi la temperatura dipinta su ogni elemento è quella effettivamente
+# calcolata, senza ricostruzioni.
 #
 # Ogni elemento shell è disegnato come faccia piana con colore pari alla media
 # dei suoi quattro valori nodali. L'ombreggiatura è calcolata a mano dalla
 # normale radiale dell'elemento: Poly3DCollection ombreggia solo alla
 # creazione, mentre qui i colori delle facce cambiano a ogni fotogramma.
 
-import random
 from pathlib import Path
 
 import matplotlib
@@ -21,11 +19,13 @@ from matplotlib import cm
 from matplotlib.animation import FuncAnimation, PillowWriter
 from mpl_toolkits.mplot3d.art3d import Poly3DCollection
 
-from config import SIMULAZIONE
+from config import USCITA
 from fem import simula_campo_fem
 from mesh import genera_mesh, riepilogo_mesh
-from plot_animazione import T_FINE_ANIMAZIONE_S, T_INIZIO_ANIMAZIONE_S
-from simulate import configurazione_randomizzata
+
+# Istante del primo fotogramma mostrato: i primi istanti sono ancora uniformi
+# alla temperatura ambiente.
+T_INIZIO_ANIMAZIONE_S = 0.40
 
 # Tempo simulato tra un fotogramma e il successivo.
 DT_FRAME_S = 0.15
@@ -65,16 +65,8 @@ def main() -> None:
     mesh_dati = genera_mesh()
     print(riepilogo_mesh(mesh_dati))
 
-    rng = random.Random(SIMULAZIONE["seed"])
-    cfg_run = configurazione_randomizzata(1, rng)
-
     print("Integrazione FEM in corso...")
-    dati = simula_campo_fem(
-        cfg_run,
-        durata_s=T_FINE_ANIMAZIONE_S,
-        dt_frame_s=DT_FRAME_S,
-        mesh_dati=mesh_dati,
-    )
+    dati = simula_campo_fem(dt_frame_s=DT_FRAME_S, mesh_dati=mesh_dati)
 
     tempi = dati["tempi"]
     indice_inizio = int(np.searchsorted(tempi, T_INIZIO_ANIMAZIONE_S))
@@ -84,7 +76,8 @@ def main() -> None:
     T_max = max(campo.max() for campo in dati["campi"])
     print(
         f"T massima nodale: {T_max:.1f} °C — "
-        f"T massima nel punto del sensore: {dati['T_vere'].max():.1f} °C"
+        f"T massima nel punto del sensore: {dati['T_vere'].max():.1f} °C\n"
+        f"Skin depth (diagnostica): {1000.0 * dati['skin_depth_m']:.3f} mm"
     )
 
     elementi = mesh_dati["elementi"]
@@ -133,17 +126,17 @@ def main() -> None:
 
     # Pannello inferiore: storia della temperatura nel punto osservato dal
     # sensore. T_vere è il valore nodale calcolato dal FEM, T_lette lo stesso
-    # segnale filtrato dall'inerzia del primo ordine del sensore.
-    # Con la costante di tempo del sensore le due curve sono quasi
-    # sovrapposte: la prima è tracciata spessa e trasparente perché la seconda,
-    # tratteggiata, resti leggibile sopra di essa.
+    # segnale degradato dal sensore reale (inerzia, rumore, quantizzazione).
+    # A parte il rumore le due curve sono quasi sovrapposte: la prima è
+    # tracciata spessa e trasparente perché la seconda resti leggibile sopra
+    # di essa.
     linea_vera, = ax_storia.plot(
         [], [], color="tab:blue", linewidth=3.0, alpha=0.4,
         label="T nodo del sensore (FEM)",
     )
     linea_letta, = ax_storia.plot(
-        [], [], color="tab:red", linewidth=1.2, linestyle="--",
-        label="T misurata dal sensore (con inerzia)",
+        [], [], color="tab:red", linewidth=1.0,
+        label="T misurata dal sensore (inerzia + rumore + quantizzazione)",
     )
     cursore = ax_storia.axvline(tempi[indice_inizio], color="gray", linewidth=0.8)
     ax_storia.set_xlim(0.0, tempi[-1])
@@ -189,7 +182,7 @@ def main() -> None:
     )
 
     if matplotlib.get_backend().lower() == "agg":
-        cartella = Path("dataset")
+        cartella = Path(USCITA["cartella"])
         cartella.mkdir(parents=True, exist_ok=True)
         percorso = cartella / "animazione_fem.gif"
         animazione.save(