강건 제어

최적설계 시뮬레이션 수치해석 마지막 수정: 2026-07-29 04:38:35

1. 개요[편집]

강건 제어(robust control)는 제어 대상의 모델이 틀렸다는 것을 전제로 설계하는 제어 이론이다. 명목 모델 하나에 대해 최적을 짜는 대신, 실제 플랜트가 명목 모델 주위의 어떤 집합 안 어딘가에 있다고 보고 그 집합 전체에 대해 안정성과 성능을 보장한다.

발상 자체는 되먹임 제어의 원점이다 — 피드백을 쓰는 이유가 애초에 불확실성 때문이니까. 그런데 1960~70년대 상태공간 최적 제어가 학계를 장악하면서 이 감각이 잠시 사라졌고, 뒤에서 볼 1978년의 사고 이후 주파수 영역 감각이 상태공간 도구와 결합해 1980년대 $H_\infty$ 이론으로 재정립됐다. 오늘날 항공기 비행제어, 하드디스크 헤드 서보, 발전 플랜트처럼 “이득이 운전점마다 두 배씩 변하는데 절대 진동하면 안 되는” 계에서 표준적으로 쓰인다.¹

2. 불확실성 모형화[편집]

모델이 틀렸다는 것을 수학적으로 쓰려면 틀린 방식을 정해야 한다. 크게 두 갈래다.

비구조적 불확실성. 오차가 어디서 왔는지 따지지 않고 크기 상계만 준다. $\|\Delta\|_\infty \le 1$ 인 안정 전달함수 $\Delta$ 와 가중함수 $W$ 로

G_p(s) = \big(1 + W(s)\Delta(s)\big)G(s) \quad \text{(곱셈형)}, \qquad G_p(s) = G(s) + W(s)\Delta(s) \quad \text{(가법형)}

처럼 쓴다. 곱셈형이 압도적으로 많이 쓰이는데, 상대 오차를 표현하기 때문이다. $|W(j\omega)|$ 를 저주파에서 작게(모델을 믿는다), 고주파에서 1을 넘게(미모형 동역학이 있다) 잡는 것이 전형적인 처방이다. 액추에이터 동특성, 구조물의 고차 모드, 무반응 시간처럼 일부러 무시한 항들이 전부 여기로 들어간다.

구조적 불확실성. 실제로는 오차가 여러 물리 파라미터에서 독립적으로 온다 — 질량 ±5%, 감쇠계수 ±20%, 지연 0~10 ms. 이걸 하나의 큰 $\Delta$ 로 뭉뚱그리면 실제로는 일어날 수 없는 조합까지 커버하게 되어 설계가 과하게 보수적이 된다. 그래서 블록 대각 구조

\Delta = \mathrm{diag}\left(\delta_1 I, \ldots, \delta_k I, \Delta_1, \ldots, \Delta_m\right)

를 유지한 채 다루는 것이 구조적 불확실성이고, 이를 위한 도구가 뒤에 나올 $\mu$ 해석이다. 플랜트를 명목 부분 $P$ 와 불확실 블록 $\Delta$ 로 뽑아내 위쪽 선형분수변환(LFT)으로 재배열하는 것이 표준 전처리다.

3. 민감도와 상보민감도[편집]

단일 루프 되먹임에서 개루프 전달함수를 $L = GK$ 라 할 때 두 함수가 모든 것을 지배한다.

S = (I + L)^{-1}, \qquad T = L(I+L)^{-1}, \qquad S + T = I

$S$ 는 출력 외란과 설정값 오차가 얼마나 남는지를, $T$ 는 측정 잡음과 곱셈형 모델 오차가 출력으로 얼마나 새어 나오는지를 잰다. 그리고 $S + T = I$ 라는 대수적 항등식이 이 분야의 근본 제약이다. 어떤 주파수에서 $|S|$ 를 0.01로 눌렀다면 그 주파수의 $|T|$ 는 필연적으로 1 근처다. 성능과 강건성은 같은 주파수에서 동시에 좋아질 수 없다.

$\|S\|_\infty$ 의 최댓값 $M_s$ 는 고전적 여유와 직접 연결된다. $M_s$ 가 주어지면 이득 여유 $\ge M_s/(M_s - 1)$ , 위상 여유 $\ge 2\arcsin\!\big(1/(2M_s)\big)$ 가 보장된다. $M_s = 2$ 면 이득 여유 2배, 위상 여유 약 29°다. 나이퀴스트 선도에서 $1/M_s$ 는 궤적이 $-1$ 점에 접근할 수 있는 최단 거리이며, 이 하나의 숫자가 이득 여유·위상 여유를 동시에 통제한다는 점에서 고전적 두 여유보다 정직한 척도다.

4. 작은 이득 정리와 강건 안정성[편집]

강건 안정성의 논리적 기둥은 작은 이득 정리(small gain theorem)다.

안정한 $M$ 과 안정한 $\Delta$ 를 되먹임으로 물렸을 때, $\|M\|_\infty \|\Delta\|_\infty < 1$ 이면 폐루프는 안정하다.

증명 스케치는 $\det(I - M\Delta) \ne 0$ 이 유지된다는 것이고, 물리적으로는 “루프를 한 바퀴 돌 때마다 신호가 줄어들면 발산할 수 없다”는 말이다. 이 정리를 곱셈형 불확실성에 적용하면 유명한 조건이 떨어진다.

\|W T\|_{\infty} < 1 \quad \Longleftrightarrow \quad |T(j\omega)| < \frac{1}{|W(j\omega)|} \;\; \forall \omega

모델을 못 믿는 주파수에서는 상보민감도를 그만큼 눌러라 — 그게 전부다. 명목 성능 $\|W_1 S\|_\infty < 1$ 과 합치면 강건 성능 조건이 되는데, 이건 단순 노름 조건이 아니라 구조적 조건이라 $\mu$ 가 필요해진다.

5. $H_\infty$ 제어[편집]

위 요구들을 하나의 최적화로 묶는 방식이 혼합 감도 정형화(mixed-sensitivity shaping)다. 세 개의 가중함수로 목적을 쌓는다.

\min_{K \text{ stabilizing}} \left\| \begin{matrix} W_1 S \\ W_2 KS \\ W_3 T \end{matrix} \right\|_{\infty} < \gamma

$W_1$ — 성능 가중. 저주파에서 크게 잡아 $|S|$ 를 누른다. 흔히 적분기 근사( $1/s$ 꼴)를 넣는다.
$W_2$ — 제어 노력 가중. $KS$ 가 입력 신호라 액추에이터 포화와 대역폭을 제한한다.
$W_3$ — 강건성 가중. 앞서 본 곱셈형 불확실성의 $W$ 가 여기 들어간다.

$H_\infty$ 노름은 최대 특이값의 상한 $\sup_\omega \bar\sigma(\cdot)$ 이므로, 이 최적화는 최악의 주파수·최악의 입력 방향에 대한 이득을 줄인다. 최악 케이스를 본다는 점이 평균 제곱(백색 잡음에 대한 출력 분산)을 줄이는 $H_2$ /LQG와의 결정적 차이다.

푸는 방법은 두 갈래다. 하나는 1989년 도일-글로버-카르게네카르-프랜시스(DGKF)의 상태공간 해법 — 주어진 $\gamma$ 에 대해 **두 개의 대수 리카티 방정식**을 풀고, 두 해가 반정부호이며 스펙트럼 반지름 조건 $\rho(X_\infty Y_\infty) < \gamma^2$ 을 만족하는지 검사한다. 통과하면 $\gamma$ 를 줄이고 재시도하는 이분법으로 최적 $\gamma$ 에 접근한다. 다른 하나는 같은 조건을 선형행렬부등식으로 쓰고 반정부호 계획법으로 푸는 것이다. LMI 경로는 리카티 경로가 요구하는 정칙성 가정(직달항 계수의 계수 조건 등)에 덜 민감하고, 극점 배치나 다목적 사양을 부등식으로 추가하기 쉬워 오늘날 더 널리 쓰인다.

결과 제어기의 차수는 일반화 플랜트의 차수와 같게 나온다. 가중함수를 세 개 붙이면 그만큼 차수가 올라가서, 6차 플랜트에 20차 제어기가 나오는 일이 흔하다. 실장 전에 축소차수모델의 평형 절단으로 깎는 것이 관행이다.

6. LQG의 배신과 LTR[편집]

강건 제어가 독립 분야가 된 계기는 존 도일의 1978년 논문이다. 제목은 “Guaranteed Margins for LQG Regulators”이고, 초록이 사실상 “There are none” 한 문장이다.³

배경은 이렇다. LQR 상태 피드백은 매우 좋은 보장된 여유를 갖는다 — 이득 여유가 $[1/2, \infty)$ , 위상 여유가 최소 60°다. 문제는 상태를 다 측정할 수 없어 칼만 필터로 추정한 뒤 그 추정치에 LQR 이득을 물릴 때 생긴다(분리 정리가 성능의 최적성은 보장한다). 이 조합이 LQG인데, 도일은 여유가 임의로 0에 가까워지는 예제를 제시했다. 분리 정리는 성능만 분리했을 뿐 강건성은 분리되지 않는다.

당장의 처방이 LTR(loop transfer recovery)이다. 프로세스 잡음 공분산에 $q^2 BB^\top$ 같은 가짜 항을 넣고 $q \to \infty$ 로 보내면 관측기의 루프 전달이 LQR의 것으로 점근 복원된다(최소 위상 플랜트 한정). 여유는 돌아오지만 관측기 이득이 커져 잡음에 취약해지므로, 실질적으로는 $q$ 를 놓고 강건성과 잡음 민감도를 저울질하는 튜닝 노브가 하나 생기는 셈이다. 비최소 위상 플랜트에서는 아예 복원이 안 되고, 이 한계가 $H_\infty$ 로 넘어가는 동기가 됐다.

7. $\mu$ 해석과 D-K 반복[편집]

구조적 불확실성을 정확히 다루려면 구조적 특이값 $\mu$ 가 필요하다.

\mu_{\Delta}(M) = \frac{1}{\min\left\{ \bar{\sigma}(\Delta) \;:\; \Delta \in \boldsymbol{\Delta},\; \det(I - M\Delta) = 0 \right\}}

즉 “ $M$ 을 불안정하게 만드는 구조를 지킨 가장 작은 섭동”의 역수다. 강건 안정성은 $\mu < 1$ 과 동치이고, 강건 성능도 성능 채널을 가짜 불확실 블록으로 붙이면 같은 형태의 $\mu$ 조건이 된다. $\mu$ 는 항상 $\rho(M) \le \mu_\Delta(M) \le \bar\sigma(M)$ 사이에 있어서, 구조를 무시한 작은 이득 조건( $\bar\sigma < 1$ )은 필요 이상으로 보수적임을 정량적으로 보여 준다.

문제는 $\mu$ 의 정확한 계산이 NP-난해라는 것이다. 그래서 실무는 상·하한을 계산한다. 상한은 스케일링 행렬 $D$ (불확실성 구조와 교환 가능한 것들)에 대해

\mu_{\Delta}(M) \le \inf_{D} \bar{\sigma}\left(D M D^{-1}\right)

이고 우변은 볼록 문제라 볼록 최적화로 풀린다. 블록 수가 적으면(복소 블록 3개 이하) 상한이 정확하다는 것도 알려져 있다.

설계 쪽은 D-K 반복이다. $D$ 를 고정하고 $DMD^{-1}$ 에 대해 $H_\infty$ 제어기 $K$ 를 합성 → $K$ 를 고정하고 $D$ 를 최적화 → 반복. 각 단계는 볼록이지만 전체는 볼록이 아니라 전역 수렴 보장은 없고, 매 반복 $D$ 를 유리함수로 피팅하면서 제어기 차수가 눈덩이처럼 불어난다는 실무적 골칫거리가 있다. 그래도 항공우주 분야에서는 여전히 표준 워크플로다.

8. 비선형·기타 접근[편집]

슬라이딩 모드 제어. 상태공간에 슬라이딩 면 $s(x) = 0$ 을 정의하고 불연속 입력으로 궤적을 그 면에 가둔다. 면 위에서는 동역학이 설계자가 정한 축소 차수 계로 바뀌어, 정합 조건(matched condition)을 만족하는 불확실성과 외란에 대해 완전한 불변성을 갖는다. 대가는 채터링 — 스위칭이 유한 주파수로 일어나 고주파 진동이 남는다. 경계층을 두거나 고차 슬라이딩(super-twisting)으로 완화한다.
백스테핑. 하삼각(strict-feedback) 구조의 비선형계에서 리아푸노프 함수를 단계별로 쌓아 올려 제어기를 구성한다. 파라미터 불확실성에 적응 법칙을 붙인 적응 백스테핑이 자주 쓰인다. 여기서 안정성 증명의 기반이 되는 것이 리아푸노프 방정식과 직접법이다.
선형 파라미터 변동(LPV) / 게인 스케줄링. 운전점에 따라 변하는 파라미터를 측정 가능하다고 보고, 그 전 범위에 대해 LMI 제약을 걸어 한 번에 합성한다. 운전점마다 따로 설계하고 보간하는 고전적 게인 스케줄링의 안정성 공백을 메운다.

9. 관련 문서[편집]

그래서 강건 제어를 처음 배우면 “제어기가 굼뜨다”는 인상을 받는다. 맞다. 최악의 플랜트에서도 안 터지게 설계했으니 명목 플랜트에서는 성능을 남긴 채 돌아간다. 이 손해를 얼마나 줄일 수 있느냐가 이 분야의 절반이다. ↩
불안정 극이나 우반평면 영점이 있으면 상황이 더 나빠진다. 적분값이 0이 아니라 불안정 극의 합에 비례하는 양수가 되어, 물침대를 누르지 않아도 이미 부풀어 있다. 우반평면 영점은 달성 가능한 대역폭에 상한을 걸어 버린다 — “제어기를 잘 짜면 되지 않느냐”가 통하지 않는 물리적 벽이다. ↩
Doyle, J. C. (1978). IEEE Trans. Automatic Control, 23(4), 756–757. 두 쪽짜리 기고문 하나가 한 학파의 자신감을 접고 다른 학파를 열었다. 학계에서 제목과 초록의 대비로 이만한 임팩트를 낸 사례를 찾기 어렵다. ↩