从原始曲线到事件卡

信号流程从逐行的合成 CSV 开始，首先核验列类型、案例数量、时间网格和文件哈希，再按案例分组与时间截取。计算之前必须保留每一行的 VALID、SATURATED、LOST 及时间状态；只有满足数值有效性的点才能参与对应特征，缺失处应继续保持 null。

接下来计算基线、峰值候选、变化斜率、窗口漂移、覆盖率和参考相似性。它们描述数学序列的形状与样本质量，并不输出真实车辆的起动机、电池或发动机健康结论。合成器注入的“闸机电机”“邻车”等类别只留在 assumptions_from_synthetic_generator，不混入 features_computed_from_csv。

分析器主要入口固定为 loadDataset({csvText,casesText,manifestText})、selectWindow、makePlotSeries、analyzeScenario。选择窗口时保留 -1.5 至 4.5 秒的全量相对坐标与端点包含关系；报告中的 selection.selected_samples 说明本次选取的样本数，而不是一场真实事故所用的测量次数。

makePlotSeries 返回含可为空的 value_au 和 plot_break 标记；analyzeScenario 依据同一批有效值与质量状态生成结构化报告。自选短窗若不足以支撑特征计算，规则可以以 INSUFFICIENT_WINDOW 等理由给出弃判。所有计算发生在原数据模块，不应在网页模板里复制一套业务阈值。

SIM-03 的共同闸机电机扰动可能产生明显波动，但规则拒绝直接归因；SIM-04 的邻车事件重叠让单源解释失效；SIM-09 的 SATURATED 改变峰值可靠性；SIM-11 的时间偏移改变事件对应；SIM-12 的参考失联破坏对照完整性。这五个反例需要保留各自的理由。

若有人仅依据波形外观改写分类器输出，生成结果就不再与既有 V3 规则一致，也将破坏报告可复算性。报告文件中 decision.logic_version、reasoning_is_synthetic_rule_based、is_trained_diagnostic_model=false 提供了明确边界，页面表达应和字段保持一致。

可顺序阅读时间同步、参考通道、量程质量三页，再进入 GR-Insight 报告说明；前三页分别解释数据怎么对齐、对照怎么失效、有效数值怎么判定，最后一页说明读者如何获取完整报告和限制声明。

实际案例可从 SIM-01 的基准图开始，接着看 SIM-09 的截顶与 SIM-12 的断线。对同一文件同时查看 SVG、CSV 和报告 JSON，能检查是否存在渲染过程中质量含义被扭曲。完整内链将固定在规范路由，不新增页面或更改案例编号。