"""Совместные электрические модели Uce, Uge и Ic на общей временной сетке."""  # Наличие трёх каналов даёт дополнительные проверяемые ограничения аппаратных гипотез.
import math  # Корни дисперсий задают оценку неопределённости коэффициентов проводящего состояния.
import re  # Физические каналы определяются по явным обозначениям, а не имени CSV.
from statistics import median  # Медианные уровни и MAD устойчивы к отдельным коммутационным выбросам.
from set_devices.signal_fault_models import checkpoint, fit_model, interpolate  # Переиспользуем численные методы без зависимости от GUI и циклического импорта ядра.


def _channels(traces):  # Дублирующиеся обозначения нельзя выбирать произвольно для физических расчётов.
    found = {}  # Для каждой физической роли разрешён только один однозначный канал.
    for trace in traces.values():  # Имена и значения предоставляются снимком исходной записи.
        match = re.match(r'^\s*(uce|uge|ic)\s*\((V|A)\)\s*$', trace.name, re.IGNORECASE)  # Требуем явные единицы В для напряжений и А для тока.
        if match and match.group(2).lower() == ('a' if match.group(1).lower() == 'ic' else 'v'):  # Не используем ток в мА как амперы без явного преобразования.
            role = match.group(1).lower()  # Внутренние обозначения не зависят от регистра заголовка.
            found[role] = trace if role not in found else None  # Повторная роль помечается неоднозначной и не участвует в выводе.
    return {role: trace for role, trace in found.items() if trace is not None}  # Неоднозначность не маскируется выбором первого столбца.


def fit_joint_channels(result, channels, events=None, cancel=lambda: False):  # Все связанные каналы интерполируются на общую фактическую сетку сравнения.
    if not channels:  # Синхронные осциллограммы могут отсутствовать у одиночного источника.
        return dict(available=False, reason='Для совместной проверки нужны Uce (V), Uge (V) и Ic (A) измерения и эталона.'), []  # Не подменяем отсутствующий ток или затвор выдуманными данными.
    measured, reference = _channels(channels.get('measured', {})), _channels(channels.get('reference', {}))  # Две стороны сравнения проверяются независимо.
    if any(role not in measured or role not in reference for role in ('uce', 'uge', 'ic')):  # Физические ограничения требуют полного набора каналов с однозначными единицами.
        return dict(available=False, reason='Недостаточно однозначных синхронных каналов Uce/Uge/Ic в В/А.'), []  # Пропущенный канал остаётся ограничением диагностического вывода.
    count = len(result.difference.times)  # Общая область уже ограничена интервалом и временем эталона.
    stride = max(1, math.ceil(count / 4096))  # До 4096 точек ограничивают дополнительную стоимость совместной электрической модели.
    points = []  # Каждая строка содержит синхронные тройки фактического измерения и эталона.
    for index in range(0, count, stride):  # Изменение масштаба графика не влияет на используемую область записи.
        if index % 1024 == 0:  # Порционная проверка отмены поддерживает отзывчивость на больших записях.
            checkpoint(cancel)  # Не продолжаем подготовку после смены источника.
        stamp = result.difference.times[index]  # Время отсчитывается от первого измеренного отсчёта в миллисекундах.
        a = {role: interpolate(trace.times, trace.values, stamp + channels['measured_origin_ms']) for role, trace in measured.items()}  # Сохраняем временное взаимное положение измеренных каналов.
        b = {role: interpolate(trace.times, trace.values, stamp + channels['reference_origin_ms'] - channels['shift_ms']) for role, trace in reference.items()}  # К эталону применяется тот же пользовательский сдвиг, что в основном сравнении.
        if all(value is not None for value in (*a.values(), *b.values())):  # Только полностью наблюдаемые тройки пригодны для совместной физической проверки.
            points.append((stamp * 1000., a, b))  # Человеко-читаемое время событий хранится в микросекундах.
    if len(points) < 30:  # Дополнительные модели требуют не менее 30 совместных наблюдений.
        return dict(available=False, reason='Недостаточно общих наблюдений трёх физических каналов.'), []  # Число точек явно ограничивает возможность идентификации.
    low = min(point[2]['uce'] for point in points)  # Низкая полка эталона определяет проводящее состояние транзистора.
    high = max(point[2]['uce'] for point in points)  # Высокая полка соответствует выключенному ключу.
    gate_high = max(point[2]['uge'] for point in points)  # Опорный высокий уровень затвора определяется по данным эталона.
    on = [point for point in points if point[2]['uce'] < low + .02 * (high - low) and point[1]['uce'] < low + .25 * (high - low) and min(point[1]['uge'], point[2]['uge']) > .98 * gate_high]  # ВАХ оценивается на устойчивой эталонной полке с высоким затвором и фактически проводящим измеренным ключом.
    off = [point for point in points if min(point[1]['uce'], point[2]['uce']) > low + .85 * (high - low) and max(point[1]['uge'], point[2]['uge']) < .3 * gate_high]  # Утечка допустима как модель только при высоком Uce и низком Uge с обеих сторон; пробой с низким Uce рассматривается отдельно.
    report, findings = dict(available=True, count=len(points), on_count=len(on), off_count=len(off), contact_events=[]), []  # Совместные выводы сохраняют фактическую область подтверждения.
    fits = {}  # Две модели проводимости отдельно оценивают исправный и измеренный ключ.
    for side, position in (('measured', 1), ('reference', 2)):  # Коэффициенты U0 и Rd вычисляются из собственных тока и напряжения каждой стороны.
        if len(on) < 30:  # Мало наблюдений проводящего состояния не позволяет оценить наклон ВАХ.
            continue  # Не выдаём эквивалентное сопротивление по одному значению тока.
        currents = [point[position]['ic'] for point in on]  # Ток задаётся в амперах, напряжение — в вольтах.
        if max(currents) - min(currents) < .1 * max(max(abs(value) for value in currents), 1e-12):  # Размах менее 10% уровня не разделяет надёжно U0 и дифференциальное сопротивление.
            continue  # Почти постоянная нагрузка не даёт идентифицировать две независимые величины.
        model = fit_model('conduction', 'Uce=Rdiff*Ic+U0', [currents, [1.] * len(on)], [point[position]['uce'] for point in on], ['resistance_ohm', 'voltage_offset_v'])  # Модель является локальной линейной ВАХ, а не постоянным сопротивлением IGBT во всех режимах.
        if model:  # QR-решатель дополнительно проверяет независимость тока и свободного члена.
            training_current = [value for index, value in enumerate(currents) if index % 3 != 1]  # Оценка неопределённости использует только наблюдения, участвовавшие в подборе коэффициентов.
            average = sum(training_current) / len(training_current)  # Центр обучающей выборки определяет ковариацию наклона и свободного члена.
            spread = sum((value - average) ** 2 for value in training_current)  # Знаменатель ковариации имеет единицу А² и не увеличивается отложенными контрольными точками.
            model['slope_standard_error_ohm'] = math.sqrt(model['training_sse'] / max(1, len(training_current) - 2) / spread)  # Стандартная ошибка оценивается по обучающим остаткам при независимом шуме и не покрывает систематическую ошибку датчика.
            fits[side] = model  # Сохраняем полные параметры и контрольную ошибку каждой ВАХ.
    report['conduction'] = fits or dict(identifiable=False, reason='Нужны устойчивое включённое состояние и заметное изменение тока нагрузки.')  # Неидентифицируемый наклон явно отличим от нулевого сопротивления.
    if len(fits) == 2:  # Сравнение деградации требует оценок обеих сторон на одном режиме нагрузки.
        delta = fits['measured']['parameters']['resistance_ohm'] - fits['reference']['parameters']['resistance_ohm']  # Изменение дифференциального сопротивления измеряется в омах.
        uncertainty = math.hypot(fits['measured']['slope_standard_error_ohm'], fits['reference']['slope_standard_error_ohm'])  # Независимые статистические ошибки наклонов складываются по дисперсии.
        report['conduction_change_ohm'] = delta  # Численная разница доступна даже при недостаточной статистической значимости.
        if delta > max(5. * uncertainty, 1e-9):  # Порог пяти стандартных ошибок ограничивает реакции на один только случайный шум.
            findings.append(dict(code='conduction', text=f'Совместная модель ВАХ: дифференциальное сопротивление выросло на {delta:.4g} Ом; возможны деградация ключа или сопротивление силового контакта.', model='Uce=Rdiff*Ic+U0'))  # Обе физические причины дают похожий наклон и остаются альтернативами.
    if len(on) >= 30 and len(off) >= 30:  # Разность токов включённого и выключенного состояний отделяет утечку от постоянного нуля датчика.
        on_error = [point[1]['ic'] - point[2]['ic'] for point in on]  # Ошибка тока во включённом состоянии служит проверкой общей калибровки.
        off_error = [point[1]['ic'] - point[2]['ic'] for point in off]  # Остаточный ток при низком затворе является кандидатом модели утечки.
        on_level, off_level = median(on_error), median(off_error)  # Медианы подавляют отдельные импульсы коммутации.
        noise = max(1e-9, 1.4826 * median([abs(value - on_level) for value in on_error] + [abs(value - off_level) for value in off_error]))  # Множитель 1,4826 переводит MAD в оценку СКО нормального шума.
        report['leakage'] = dict(formula='ΔIc_off=Ileak+b; ΔIc_on=b', off_current_a=off_level, on_offset_a=on_level, contrast_a=off_level - on_level, noise_sigma_a=noise)  # Двухрежимная модель явно оценивает постоянную ошибку датчика b.
        if off_level > 5. * noise and off_level - on_level > 5. * noise:  # Одновременно нужен положительный ток выключения и отличие от общей ошибки нуля.
            findings.append(dict(code='leakage', text=f'Совместная модель остаточного тока: при низком Uge дополнительный Ic≈{off_level - on_level:.4g} А; возможны утечка ключа или параллельная токовая цепь.', model='off_current'))  # Посторонняя ветвь тока остаётся альтернативой утечке самого транзистора.
    for event in events or []:  # Сегменты предполагаемого дребезга проверяются по синхронным затвору и току.
        interval = [point for point in points if event['start_us'] <= point[0] < event['stop_us']]  # Проверяем только реально наблюдаемые точки внутри найденного прерывания.
        if not interval:  # Слишком короткий эпизод может не попасть в ограниченную совместную выборку.
            continue  # Отсутствие наблюдений не считается отсутствием провала.
        gate_ratio = sum(point[1]['uge'] < .5 * point[2]['uge'] for point in interval) / len(interval)  # Доля одновременного провала управления количественно проверяет причину повторного выключения.
        current_ratio = sum(abs(point[1]['ic']) < .5 * abs(point[2]['ic']) for point in interval) / len(interval)  # Провал тока ключа дополнительно подтверждает прерывание проводимости.
        report['contact_events'].append(dict(**event, gate_drop_fraction=gate_ratio, current_drop_fraction=current_ratio, supported=gate_ratio >= .8 and current_ratio >= .8))  # Подтверждение требует совпадения обоих провалов хотя бы в 80% наблюдений эпизода.
    return report, findings  # Одновременные нарушения проводимости, утечки и контакта не скрывают друг друга.