Data-Driven Optimal Distributed Controller Synthesis via Spatial Regret

기술적 요약: 공간 후회를 통한 데이터 기반 최적 분산 제어기 합성

문제 정의
본 논문은 구조적 통신 제약 하에서 대규모 네트워크 선형 시불변 (LTI) 시스템에 대한 최적 분산 제어기 설계의 과제를 다룹니다. $H_2$ 및 $H_\infty$ 설계와 같은 기존 최적 제어 방법은 종종 "그래프 무관 (graph-agnostic)"하여, 교란의 위치나 네트워크 통신 토폴로지와 관계없이 모든 교란을 균일하게 처리합니다. 이러한 접근법은 분산 환경에서 제한된 정보 흐름으로 인해 발생하는 특정 성능 저하를 포착하지 못합니다.

더욱이, 제한된 분산 제어기와 향상된 통신 능력을 가진 "오라클 (oracle)" 간의 성능 격차를 정량화하는 척도인 "공간 후회 (spatial regret)"를 최소화하기 위한 기존 방법들은 정확한 상태 공간 모델에 의존합니다. 대규모 시스템의 경우, 이러한 매개변수 모델을 획득하는 것은 종종 불가능하거나 신뢰할 수 없습니다. 핵심 문제는 중간 시스템 식별 없이 실험적으로 얻은 주파수 응답 데이터로부터 공간 후회를 최소화하는 분산 제어기를 합성하면서도 폐루프 안정성을 유지하고 고정된 통신 구조를 준수하는 것입니다.

방법론
제안된 프레임워크는 측정된 주파수 응답 함수 (FRF) 를 사용하여 전적으로 주파수 영역에서 작동합니다. 방법론은 다음과 같이 진행됩니다:

1. 데이터 획득: 플랜트의 입력 - 출력 거동은 FRF 를 통해 포착되며, 특히 지속적으로 자극을 주는 입력 - 출력 데이터로부터 전달 함수 $G_{22}$를 추정합니다. 다른 전달 함수 ($G_{11}, G_{12}, G_{21}$) 는 성능 사양과 교란 모델을 인코딩하기 위해 사용자가 정의합니다.
2. 오라클 정의: 향상된 통신 토폴로지를 가진 ($\hat{K} \supseteq K$) "오라클" 제어기 $\hat{K}$가 정의됩니다. 이 오라클은 추가 측정값이나 통신 링크에 접근할 수 있는 가상의 벤치마크 역할을 합니다. 공간 후회는 유계 교란 하에서 제한된 제어기 $K$와 이 오라클 $\hat{K}$ 간의 최악의 성능 격차로 정의됩니다.
3. 주파수 영역 재형식화: 공간 후회 최소화 문제는 주파수 영역에서 재형식화됩니다. 보조정리 1 (Lemma 1) 을 사용하여 후회 척도는 제한된 제어기와 오라클의 폐루프 전달 함수 행렬 간의 차이에 대한 최대 고유값의 상한 (supremum) 과 동등함이 입증됩니다.
4. 반복적 볼록 합성:
   • 제어기는 좌측 인수분해 $K = Y^{-1}X$를 통해 매개변수화됩니다.
   • 결과적인 최적화 문제는 2 차 항과 폐루프 안정성 요구 사항으로 인해 비볼록합니다.
   • 저자는 이전의 안정화 제어기 $K_c$에서 유도된 볼록 하한을 사용하여 비볼록 제약을 선형화하는 반복 알고리즘 (정리 1) 을 제안합니다.
   • 각 반복 단계에서 $X$와 $Y$를 업데이트하기 위해 볼록 최적화 문제 (주파수 그리딩을 통해 해결되는 반무한 계획법) 가 해결됩니다.
   • 결정적으로, 안정화 제어기로 초기화될 경우, 이 알고리즘은 합성된 제어기가 모든 반복 단계에서 안정화되도록 보장합니다.

주요 기여
본 논문은 세 가지 주요 기여를 합니다:

1. 잘 정의됨 (Well-Posedness) 의 확장: 저자들은 특정 제어기 클래스에 대해 이전에 확립된 공간 후회의 잘 정의됨 결과를 임의의 제어기 클래스로 확장합니다. 오라클이 향상된 제약 집합 위에서 고전적 노름 ($H_2$ 또는 $H_\infty$) 을 최소화하도록 설계될 경우, 공간 후회 척도가 임의의 제한된 제어기에 대해 음수가 아니라는 것이 보장되어 벤치마크가 유효함을 증명합니다.
2. 데이터 기반 합성 프레임워크: 본 논문은 공간 후회 최소화를 데이터 기반 주파수 영역 프레임워크 내에서 재구성합니다. 이는 매개변수 시스템 식별에 대한 의존성을 제거하여 주파수 응답 측정값으로부터 직접 제어기 합성을 가능하게 합니다.
3. 안정성 보존 알고리즘: 고정 구조 분산 제어기를 합성하는 실용적인 반복 볼록 알고리즘이 개발되었습니다. 이 방법은 초기화가 안정화되는 경우 반복 전체에 걸쳐 폐루프 안정성을 보장합니다.

결과
이 방법론은 스윙 역학을 가진 5 버스 전력망 모델에 대한 수치 실험을 통해 검증되었습니다.

• 설정: 분산 제어기는 1 단계 지연이 있는 인접 이웃 통신으로 제한되었습니다. 오라클은 교란에 취약한 특정 버스 (버스 1) 의 측정값에 즉시 접근할 수 있도록 허용되었습니다.
• 비교: 공간 후회 제어기 ($K_{SR}$) 는 고전적 $H_2$ ($K_2$) 및 $H_\infty$ ($K_\infty$) 분산 제어기와 비교되었습니다.
• 성능:
  • 주파수 영역에서 $K_{SR}$은 $K_2$의 평균 성능과 공명 피크 근처의 $K_\infty$의 강인성 간의 유리한 균형을 달성했습니다.
  • 특정 노드 (버스 1) 에 국한된 교란의 경우, $K_{SR}$은 오라클의 성능을 밀접하게 모방하여 $K_2$와 $K_\infty$ 모두를 크게 능가했습니다.
  • 버스 1 에서의 다중 사인 (multi-sine) 교란에 대한 시간 영역 시뮬레이션 결과, $K_{SR}$은 $K_2$ 대비 평균 조절 출력 에너지를 21.72% 감소시켰으며, $K_\infty$ 대비 48.00% 감소시켰습니다.

의의 및 주장
본 논문은 공간 후회가 통신 제약과 교란 국소화의 비용을 명시적으로 고려함으로써 분산 제어에 대한 더 세밀한 성능 척도를 제공한다고 주장합니다. 제안된 데이터 기반 프레임워크는 대규모 시스템에서 종종 사용 불가능한 정확한 매개변수 모델 없이도 이러한 최적 제어기의 합성을 가능하게 한다는 점에서 중요합니다.

저자들은 한계를 인정합니다: 임의의 제어기 구조로 일반화하려면 단일 볼록 프로그램 대신 반복적 해법이 필요하며, 이 방법은 모든 안정화 제어기 집합에 대한 완전성을 보장하지 않습니다 (좌측 인수분해로 정의된 부분 집합을 탐색합니다). 또한, 계산 복잡성은 네트워크 크기에 따라 증가하므로, 최적화 문제의 분산 구현은 향후 연구 영역으로 남아 있습니다. 이 작업은 이전 데이터 기반 제어 프레임워크 (예: Schuchert et al., 2024; Gupta et al., 2026) 에 기반하여 모델 프리 설정으로 공간 후회 개념 (Martinelli et al., 2025) 을 확장합니다.