определение моментов переключения системы, по графикам напряжения Опции

[barabek]

Есть некоторая система, работающая в 2-х режимах - заряд и разряд. Во время заряда выходное напряжение возрастает, во время разряда, соответственно, падает. Как, имея в наличии только осциллограмму напряжения (таблицу), определить, в какие моменты были переключения? Во время заряда напряжение растет практически без помех, а вот во время разряда возможны различные всплески, помехи. Скорости разряда и заряда меняются в процессе. Одно можно сказать, скорость заряда всегда много больше скорости разряда. К сожалению, пример графика сейчас привести не могу. Если потребуется, буду на работе, прикреплю.   




PS. Вот пример о чем я говорю. На 350 и 550 секунде идет заряд. Напряжение окончания заряда может быть разным, также как и время между зарядами. Правда в приведенном примере разряд везде почти с нулевой скоростью, но другого под рукой нет. Скорость разряда в общем случае может быть и большей. Максимальное напряжение не может превышать 1В (1000мВ)

Эскизы прикрепленных изображений

 

[fontp]

Всякий дребезг хорошо снимает медианная фильтрация. Это лучше НЧ-фильтрации
Если без резисторов, а по картинке
Гугл в помощь

[Tanya]

Всякий дребезг хорошо снимает медианная фильтрация. Это лучше НЧ-фильтрации

Ну да. Только как часто точки брать, и какой длины фильтр..

Даже в таком "запущенном случае" вариант с резистором даст намного лучший результат, чем "нервные цепи на глупой логике"... Я так думаю.

Автор ясно писал, что резистор нельзя.

[barabek]

Автор ясно писал, что резистор нельзя.

Совершенно верно!

Если Вы, использую Ваш график, можете указать точки переключения, то нужно анализировать и формализовать Ваш алгоритм , в противном случае - поставьте временно резистор и компаратор (к примеру) и тренируйте искусственные нейроны.

Вот именно сама мысль, которую я хотел выразить. Именно каким-то образом формализовать. Про нейросеть думал, оставлю ее напоследок. Про нечеткую логику знаю еще меньше, и по моим представлениям она здесь плохо ложится.

Надо только отдавать себе отчет в том, что никакое "правильное" детектирование не будет 100%-м

Я и не надеюсь. Хотелось бы различать ступеньки величиной 5-10% всей шкалы.

медианная фильтрация

А вот это погуглю, спасибо. 

Хотелось бы использовать детерменированные методы нежели что-то подобное нейросетям. Как-то я им слабо доверяю. Видимо от незнания .