AgentEIS

从电化学阻抗谱到等效电路参数的 Python 分析工具。

AgentEIS 将 EIS 数据读取、等效电路拟合与结果可视化整合到同一流程，提供 Tkinter 桌面界面和命令行入口，适合快速查看阻抗谱、尝试预设电路并导出分析结果。

导入 CSV → 选择电路与初值 → 拟合参数 → 查看 Nyquist 图与拟合误差 → 导出结果

61 点双 RC 合成谱演示：圆点为输入阻抗，实线为拟合结果。示例由解析电路公式生成。

功能

能力	默认分支 main
CSV 数据检查	三列阻抗数据、有限数值、正频率、重复点与频率顺序检查
等效电路	10 种预设电路，支持手动选型和自定义初始参数
参数拟合	基于 impedance.py；输出参数名称、数值、单位及复阻抗 RMSE
图形界面	文件选择、合成示例加载、拟合结果与 Nyquist 图展示
命令行	可复现的单次分析与 JSON / CSV / PNG 导出
分类特征	20 点重采样、40 维实虚部交替特征；可接入兼容分类权重

残差曲线、参数 CSV、复现元数据与失败恢复可在扩展演示分支中体验，见演示导览。该版本尚未合入 main；下方启动步骤对应默认分支。

查看扩展版本的界面演示

动图来自扩展分支；默认分支的运行步骤见下文。

快速运行

已验证环境：Windows、Python 3.12。GUI 需要带 Tcl/Tk 的 Python；CLI 可独立使用。

git clone https://github.com/hardstone4/agent-EIS.git
cd agent-EIS
python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -r requirements.lock.txt
.\.venv\Scripts\python.exe AgentEIS_UI.py

打开界面后，点击 Load synthetic demo，确认电路 6 和初值，再点击 Fit selected circuit。拟合完成后可查看图表，并使用 Export result 保存结果。

也可以直接运行命令行示例：

.\.venv\Scripts\python.exe agenteis_cli.py analyze examples/synthetic_type6.csv --circuit-type 6 --initial-guess 0.1,0.5,0.03,0.2,0.003 --output output/demo

默认分支生成三个文件：

文件	内容
summary.json	电路、参数及单位、使用 / 排除点数、复阻抗 RMSE
fitted.csv	频率、观测实虚部、拟合实虚部
nyquist.png	观测谱与拟合曲线

重复运行请使用新输出目录，或显式添加 --overwrite。更多操作见使用指南。

数据格式

UTF-8 CSV 包含 freq（或 f）、zreal、zimag 三列，列顺序可调整：

freq,zreal,zimag
1000,0.12,-0.01
100,0.14,-0.03
10,0.28,-0.10

频率单位为 Hz，阻抗单位为 Ohm。zimag 使用带符号的虚部；Nyquist 图纵轴显示 -zimag。频率须为正、互不重复并严格单调。上述三行用于说明格式；运行演示请使用 examples/ 中的完整样例。

仓库提供双 RC 和 R+CPE 两份 61 点合成谱，以及生成公式与参数。拟合结果用于评估所选电路与输入谱的匹配情况，物理解释仍需结合实验条件。

项目结构

AgentEIS_ML_Classification.py  数据读取、特征、分类接口、拟合与绘图
AgentEIS_UI.py                Tkinter 桌面入口
agenteis_cli.py               命令行入口与结果导出
examples/                    可重生成的解析合成谱
tests/                       核心回归测试
legacy/                      实验性 AI 模块与训练脚本
docs/                        使用、架构、演示与开发文档
requirements.lock.txt        已验证的依赖版本

技术栈：Python、NumPy、pandas、SciPy、scikit-learn、matplotlib、Tkinter、impedance.py。CLI 与 GUI 共享同一核心，见架构与电路说明。

文档与扩展

• 使用指南：输入要求、GUI / CLI 操作和常见问题。
• 演示导览：当前主分支结果与扩展分支的截图、GIF 和残差流程。
• 架构说明：模块关系、特征约定和十种电路。
• 开发验证：已执行的测试及其适用范围。
• 实验性模块：分类权重接口、Ollama / RAG / Web 原型状态。

机器学习分类需另行提供兼容的可信权重；LLM、RAG 和联网搜索模块属于实验性代码，未纳入默认离线演示。第三方来源与许可见 THIRD_PARTY_NOTICES.md。