feat(vd960Loop): 环境健康度算法 §10 + drift_health.py 参考实现

- variation-analysis.md §10: 无车漂移监测 (零成本, 不改协议)
  - 口径修正: 绝对峰=1.5×窗口漂移(Origin 滞后半窗) → 用峰谷差
  - 600ms 采样系统性低估 ~12% (峰在窗口末采不到)
  - 冻结态失效(>4×dlt_ORG) → 双指标: 漂移速率 + 冻结占比
  - 冻结判定双判据: 跨窗跳变消失 + 峰谷差突变(>4×前4窗中位数)
- tools/drift_health.py: CSV 逐窗统计/冻结检测/JSON/自测
- devlog 2026-08-25 条目追加环境健康度小节
- 自测: 慢漂移 0.02%/s 识别准确, 冻结窗正确排除

vd960Loop/docs/devlog.md

@@ -57,6 +57,22 @@ variation/Origin = 1 − √(1 + ΔL/L₀)        精确
 
 代码无改动（`main.c` 饱和边界本就是 −8388608 ~ +8388607）。
 
+### 环境健康度算法（§10）
+
+用户提出零成本环境健康度方案：无车时 variation 锯齿的峰 = 漂移信号，后台逐窗统计画健康度曲线。模拟验证后修正两处口径并落地：
+
+1. **绝对峰 ≠ 窗口漂移**：Origin 更新到窗口均值（滞后半窗 2.5s），稳态绝对峰 = **1.5×** 窗口漂移 → 改用**峰谷差**（max−min，误差 <1%）
+2. **600ms 采样系统性低估 ~12%**：峰恒在窗口末（500 tick），末采样点 480 tick 永远错过 → 单边偏差，趋势可用，绝对标定 ×1.14
+3. **冻结态失效**：漂移 > 4×dlt_ORG（中档 0.13%/s）→ 锯齿消失，速率口径失效 → 双指标：`漂移速率 = 峰谷差/Origin/5s` + `冻结占比`
+4. 冻结判定双判据：跨窗跳变消失（|jump|≈0）+ 峰谷差突变（>4×前 4 窗中位数），最后一窗也可判
+
+| 文件 | 内容 |
+|------|------|
+| `docs/variation-analysis.md` | 新增 §10（口径修正表/双指标/冻结判定/工具用法） |
+| `tools/drift_health.py` | 新增参考实现：CSV 输入 + 逐窗统计 + 冻结检测 + JSON 输出 + 自测 |
+
+自测：前 6 窗慢漂移 0.02%/s 全正常，后 2 窗快漂移正确标冻结，平均速率/冻结占比准确。
+
 ---
 
 ## 2026-07-14 — variation 上报量 2B→3B 有符号 (协议 V1.05)

vd960Loop/docs/variation-analysis.md

@@ -327,3 +327,68 @@ python3 variation_calc.py --parse-var F6FFFF
 python3 variation_calc.py --sens-table                                           # 四档对照
 python3 variation_calc.py --interactive                                          # 交互
 ```
+
+---
+
+## 10. 环境健康度算法：无车漂移监测（2026-08-25 补充）
+
+> 配套工具：`tools/drift_health.py`。零成本方案——不改协议、不改固件，直接用现有 `variation` 锯齿。
+
+### 10.1 思路
+
+无车时 Origin 每 5s 阶跃更新（窗口均值），CAPVD 缓慢漂移 → variation 呈锯齿。**锯齿就是漂移信号**：峰谷差 = 窗口内漂移量，后台逐窗口统计即可画环境健康度曲线（湿度突变、变频器干扰加剧提前可见）。
+
+### 10.2 正确口径（踩坑修正）
+
+| 口径 | 关系 | 结论 |
+|------|------|------|
+| 绝对峰 \|variation\| | = **1.5×** 窗口漂移量 | ❌ 高估 50%——Origin 更新到**窗口均值**（滞后半窗 2.5s），峰含半窗累积 |
+| **峰谷差**（窗口内 max−min） | ≈ 窗口漂移量（误差 <1%） | ✅ 正确 |
+| 600ms 采样（8 点/窗） | 峰谷差**系统性低估 ~12%** | ⚠ 峰恒在窗口末（500 tick），末采样点 480 tick 永远错过它；实测 −11%~−14% |
+
+**推荐公式：**
+
+```
+漂移速率(%/s) = (窗口内 max − min) / Origin / 5s × 100
+```
+
+- 方向保留：V1.05 带符号，正向锯齿（CAPVD 下降/频率上升）= 正速率，反向为负
+- 采样低估 ~12% 为单边已知偏差：趋势曲线看相对变化可直接接受；要绝对标定乘 1.14
+
+### 10.3 失效场景：冻结态（必须双指标）
+
+`dev ≥ 4×dlt_ORG` 基线冻结 → **锯齿消失**，variation 跨窗口单调累积不归零，"每窗口取峰"变成取历史累积，速率口径失效：
+
+| 灵敏度档 | 冻结门槛（窗口漂移） | 对应速率 |
+|---------|-------------------|---------|
+| 0 低 | 1.32% / 5s | 0.26%/s |
+| 1 中 | 0.66% / 5s | **0.13%/s** |
+| 3 最高 | 0.06% / 5s | 0.012%/s |
+
+变频器启动、湿度突变轻松超中档 0.13%/s → 冻结。**冻结本身 + 累积 variation 就是更强的恶化信号**，健康度曲线用双指标：
+
+```
+① 漂移速率 = 峰谷差 / Origin / 5s        ← 慢漂移场景（温/湿度），慢且稳
+② 冻结占比 = 冻结 tick / 总 tick          ← 快干扰场景（变频器），触发即预警
+```
+
+**冻结判定**（后台可用跨窗回落检测）：正常锯齿窗口边界 variation **跳回谷值**，跳变幅度 ≈ 峰谷差；冻结时 Origin 不动，窗口边界无跳变、variation 继续同向爬升。
+
+```
+jump = variation[下窗起点] − variation[本窗终点]
+正常: |jump| ≈ 峰谷差（窗口边界跳回谷值）
+冻结: |jump| ≈ 0（Origin 不动, 连续爬升）
+```
+
+### 10.4 工具用法
+
+```bash
+cd tools
+python3 drift_health.py --selftest                                          # 模拟数据自测
+python3 drift_health.py --csv drift.csv --window 500                        # CSV: tick,origin,variation
+python3 drift_health.py --csv drift.csv --window 500 --json                 # JSON 输出
+```
+
+### 10.5 与 §8"改上报斜率"的关系
+
+当前零成本方案精度受上报窗限制（600ms 采样 vs 固件 10ms tick，斜率分辨率差 60 倍）。§8 的固件侧斜率字段是**远期升级**：先跑通后台算法验证指标价值，确认值得后，再由固件直接上报 dCAPVD/dt 消除采样混叠与相位滞后。