Closed-Loop Identification of Periodically Time-Varying Systems via Cyclic Reformulation

기술 요약: 순환 재형성을 통한 주기적 시간 가변 시스템의 폐루프 식별

문제 제기
본 논문은 특히 개루프 불안정한 경우를 대상으로 하는 선형 주기적 시간 가변 (LPTV) 플랜트의 시스템 식별을 다룬다. 이러한 경우 플랜트 출력이 피드백 없이 발산하므로 개루프 실험은 실제로 수행 불가능하다. 기존 LPTV 식별 방법들 (부분공간 접근법 및 리프팅 기반 기법 포함) 은 주로 개루프 데이터를 위해 수립되거나 개루프 안정성을 가정한다. 선형 시불변 (LTI) 불안정 플랜트에 대한 폐루프 식별은 잘 정립되어 있으나, 폐루프 데이터로부터 직접 유한 차원 상태 공간 LPTV 플랜트 모델을 명시적으로 복원하는 실현 이론적 프레임워크는 여전히 미개발 상태로 남아있다.

방법론
제안된 프레임워크는 폐루프 데이터와 LPTV 모델 복원 간의 간극을 메우기 위해 결합 입력 - 출력 접근법과 순환 재형성을 통합한다. 방법론은 다음과 같은 단계를 거친다:

1. 시스템 수립: 논문은 상대 차수가 1 인 LPTV 제어기에 의해 제어되는 정방 (square) 그리고 엄격하게 프로퍼 (strictly proper) 한 LPTV 플랜트를 고려한다. 폐루프 시스템은 외부 기준 신호 $r(k)$에 의해 구동되는 증분 LPTV 시스템으로 모델링되며, 플랜트 출력 $y(k)$와 제어 입력 $u(k)$의 결합 출력을 생성한다.
2. 순환 재형성: 주기적 폐루프 시스템은 순환 재형성을 사용하여 동등한 선형 시불변 (LTI) 시스템으로 변환된다. 이는 입력 및 출력 벡터를 원래 차원의 $M$배 (여기서 $M$은 주기) 로 확장하는 '순환화'된 신호를 구성하는 과정을 포함하며, 주기적 변동을 단일 LTI 상태 공간 모델에 적층하는 효과를 가진다.
3. 부분공간 식별: 표준 부분공간 식별 알고리즘 (예: N4SID) 이 순환화된 기준 신호 $\check{r}(k)$와 적층된 순환화된 결합 출력 $\check{z}(k) = [\check{y}(k)^\top, \check{u}(k)^\top]^\top$에 적용된다. 이를 통해 $\check{r}$에서 $\check{y}$로, 그리고 $\check{r}$에서 $\check{u}$로의 폐루프 맵에 대한 공유 상태 공간 실현 $(A, B, C)$이 도출된다. 핵심적으로 두 전달 함수는 동일한 상태 동역학 $(A, B)$을 공유한다.
4. 대수적 플랜트 추출: 이 방법의 핵심은 식별된 폐루프 맵으로부터 순환화된 플랜트 전달 행렬 $\check{P}(z)$를 정확히 복원하는 대수적 정리에 있다. $\check{P}(z) = \check{T}_{yr}(z) \check{T}_{ur}(z)^{-1}$이므로, 논문은 상태 증폭 없이 공유 행렬 $(A, B, C_y, C_u)$로부터 $\check{P}(z)$의 상태 공간 실현을 직접 유도한다. 추출은 제어기 경로의 직접 피드스루 항 ($C_u B$) 의 가역성에 의존한다.
5. 매개변수 복원: 추출된 순환화된 실현은 차수가 축소 (균형 절단을 통해 제어기 동역학 제거) 된 후, 마르코프 매개변수의 이동된 블록 대각 희소성을 활용하는 좌표 변환을 통해 원래의 주기적 상태 공간 매개변수 $(A_{p,k}, B_{p,k}, C_{p,k}, D_{p,k})$로 변환된다.

주요 기여
본 논문은 네 가지 주요 기여를 제시한다:

1. 정확한 대수적 정리: 복원된 플랜트 실현이 불안정하더라도 상태 차원을 증가시키지 않고 폐루프 맵의 공유-$A$ 실현으로부터 순환화된 플랜트 전달 행렬을 복원할 수 있음을 증명하는 정리를 수립한다.
2. 안정성 전환: 데이터 생성에 대한 안정성 요구사항을 개루프 플랜트에서 내부적으로 안정한 폐루프 시스템으로 전환하여, 개루프 불안정 LPTV 플랜트의 식별을 가능하게 한다.
3. 명시적 가정 분리: 데이터 생성 (폐루프 안정성), 식별 (순환화된 폐루프 시스템의 최소성), 그리고 대수적 역변환 (제어기 경로의 직접 항의 비특이성) 에 필요한 가정을 명시적으로 분리한다.
4. 알고리즘적 구현: 부분공간 식별과 유도된 대수적 추출 및 좌표 변환 단계를 결합한 완전한 식별 알고리즘 (알고리즘 1) 을 제공한다.

수치 결과
본 방법은 세 가지 수치 예시를 통해 검증되었다:

• 안정한 SISO 플랜트: 무잡음 조건에서 매개변수가 기계 정밀도로 복원됨을, 그리고 40 dB 신호 대 잡음비 (SNR) 하에서 높은 정확도 (프로베니우스 노름 오차 $\approx 10^{-6}$) 를 보임을 입증한다.
• 개루프 불안정 SISO 플랜트: 안정한 폐루프 데이터로부터 불안정한 플랜트 실현 (단위 원 밖의 고유값을 가짐) 을 복원할 수 있는 방법을 확인한다. 추출된 실현은 불안정 모노드로미 고유값을 정확히 반영하며, 불안정성에도 불구하고 대수적 추출이 유효하게 유지된다.
• MIMO 플랜트: 다입력 다출력 시스템에 대한 접근법을 검증하여, 프레임워크가 고차원으로 확장 가능하며 마르코프 매개변수 비교를 통해 좌표 불변 정확도를 유지함을 보인다.

의의 및 주장
본 논문은 시스템 식별 이론에서 특정 간극을 메운다고 주장한다: 특히 불안정 플랜트의 경우 폐루프 데이터로부터 유한 차원 상태 공간 LPTV 모델을 복원하는 실현 이론적 경로의 부재이다. 그 의의는 플랜트 자체에 대한 반복적 최적화나 안정성 가정에 의존하지 않는 정확한 대수적 성질의 플랜트 추출에 있다. 본 방법은 다음과 같이 구별된다:

• LTI 폐루프 식별: 순환 재형성을 통해 주기적 구조를 활용함으로써.
• LPV 식별: 외부 스케줄링 신호 대신 시간 주기성을 다루므로.
• 개루프 LPTV 식별: 개루프 안정성 전제조건을 제거함으로써.
• 리프트된 주파수 영역 방법: 비모수적 주파수 응답이 아닌 유한 차원 상태 공간 모델을 대상으로 하므로.

저자들은 추출 단계의 신뢰성이 제어기 경로 ($C_u B$) 의 역행렬 조건수에 의해 지배되며, 본 방법이 정방이고 엄격하게 프로퍼한 플랜트와 상대 차수가 1 인 제어기를 가정함을 지적한다. 향후 연구는 비정방 플랜트와 엄격하지 않은 프로퍼 (non-strictly-proper) 한 경우를 다루는 방향으로 제안된다.