An integrated interpretable control effectiveness learning and nonlinear control allocation methodology for overactuated aircrafts

기술 요약: 통합된 해석 가능한 제어 유효성 학습 및 비선형 제어 할당

문제 정의

현대의 과구동(overactuated) 항공기는 독립적인 제어 축보다 더 많은 효력기(effector)를 보유하고 있어, 결함 허용 능력(fault tolerance)과 부차적 목적을 위한 중복성을 제공한다. 그러나 기존의 제어 할당은 선형적이고 정적인 제어 유효성 행렬($B$)에 의존한다. 이러한 가정은 비선형 동역학이 지배적이거나 효력기와 기체 상태(예: 받음각, 대기 속도) 사이의 강한 결합이 발생하는 비행 영역에서는 실패한다. 이러한 비선형성이 지배적일 때, 선형 할당기는 모델 불일치로 인해 성능 저하와 강건성 감소를 초래한다.

기존의 대안들은 다음과 같은 트레이드오프를 제시한다:

1. 고충실도 온보드 모델: 정확하지만 실시간 최적화를 수행하기에는 계산 비용이 너무 높으며, 각 제어 주기마다 모든 효력기에 대해 유한 차분 섭동(finite-difference perturbations)을 요구하는 경우가 많다.
2. 블랙박스 데이터 기반 접근 방식 (예: 신경망): 복잡한 매핑을 학습할 수 있지만 해석 가능성이 부족하여, 검증, 인증 및 결함 진단을 어렵게 만든다.
3. 선형화된 모델: 효율적이지만 운용 조건이 선형화 지점에서 벗어날 경우 정확도가 떨어진다.

핵심 과제는 정확하고(비선형성을 포착), 계산 효율적이며(실시간 비선형 솔버에 적합), 해석 가능한(검증 및 안전을 위해 투명한) 제어 유효성 매핑을 개발하는 것이다.

방법론

본 논문은 비행 데이터로부터 제어 유효성 매핑에 대한 명시적이고 물리적 제약이 있는 해석적 모델을 학습하고, 이를 비선형 제어 할당 솔버에 내장하는 프레임워크를 제안한다.

1. 희소 비선형 동역학 식별 (SINDy)

제어 유효성 매핑은 제약 조건이 있는 SINDy 접근 방식을 사용하여 오프라인에서 학습된다.

• 물리 정보 기반 라이브러리: 일반적인 다항식 전개를 사용하는 대신, 항공기의 회전 동역학에 대한 도메인 지식을 사용하여 후보 함수 라이브러리를 구성한다. 구체적으로, 라이브러리는 알려진 강체 결합 항(예: $pq, pr, qr$)을 포함하며, 관성 기반 계수($C_1$부터$C_9$까지)를 사용하여 공력 모멘트 기여도를 정규화한다. 이는 알려진 관성 구조와 미지의 공력 매핑을 분리한다.
• 희소 회귀 (Sparse Regression): 방법론은 압축된 지배 방정식 세트를 식별하기 위해 **희소 완화 정규화 회귀(SR3)**를 채택한다. 견고성과 일관된 희소 패턴을 보장하기 위해 앙상블 전략(50개의 독립적으로 식별된 모델 평균)이 사용된다.
• 출력: 결과물은 미분 가능하고 해석 가능한 연속 시간 해석적 모델 $\dot{x} = \Theta(x, u)\Xi$이다.

2. 비선형 제어 할당

식별된 해석적 모델은 두 가지 할당 전략에 내장된다:

• 경사 하강법 기반 할당 (Gradient-Based Allocation): 모델의 명시적 특성 덕분에 야코비안($\partial \dot{x}/\partial u$)의 해석적 계산이 가능하다. 이 야코비안들은 예측된 가속도와 명령된 가속도 사이의 오차를 최소화하면서 액추에이터 제약 조건을 준수하도록 반복적 경사 하강 솔버에 제공된다.
• 동적 할당 (MPC): 액추에이터 동역학(대역폭 및 변화율 제한)을 처리하기 위해, 본 프레임워크는 모델 예측 제어(MPC)를 활용한다. 식별된 모델은 명령된 편향(commanded deflections)이 아닌, 실제 구현된 액추에이터 편향(1차 액추에이터 모델을 통해 전파됨)을 기반으로 기체 회전율을 예측한다. 이 정식화는 지연을 예측하고 진동 동작을 방지하기 위해 일련의 명령을 최적화한다.

3. 온라인 적응 (Online Adaptation)

플랜트 변동(예: 연료 소비, 액추에이터 고장)을 처리하기 위해, 온라인 적응 메커니즘은 식별된 모델과 센서 측정값 사이의 예측 잔차(residual)를 모니터링한다. 불일치가 임계값을 초과하면, 계수 행렬 $\Xi$가 경사 단계(gradient step)를 통해 업데이트되어, 전체 모델 재식별 없이도 원활한 재구성(reconfiguration)을 가능하게 한다.

주요 기여

1. 명시적, 해석 가능한 모델링: 본 논문은 물리 정보 기반 라이브러리가 가이드하는 SINDy가 무거운 온보드 모델이나 블랙박스 신경망에 의존하지 않고도 비행 데이터로부터 희소하고 해석 가능한 제어 유효성 모델을 복구할 수 있음을 입증한다.
2. 효율적인 비선형 할당: 해석적 야코비안을 제공함으로써, 식별된 모델은 고충실도 온보드 모델에서 사용되는 유한 차분법의 계산 부담을 피하고 비선형 솔버에서 빠르고 신뢰할 수 있는 수렴을 가능하게 한다.
3. 강건한 적응성: 프레임워크는 변화하는 조건 및 액추에이터 고장 상황에서도 모델 파라미터를 실시간으로 업데이트하여 정확도를 유지하는 온라인 적응 루틴을 포함한다.
4. 동적 할당 통합: 본 방법론은 동적 할당으로 확장되어, 정적 할당 방식에서 흔히 생략되는 기능인 액추에이터 대역폭 제한을 처리하기 위해 액추에이터 상태를 명시적으로 전파한다.

결과

방법론은 고도의 과구동 델타-카나드 전투기인 ADMIRE(Aero-Data Model in a Research Environment) 벤치마크 항공기에서 평가되었다.

• 추적 정확도: 공격적인 기동을 포함하는 몬테카를로 시뮬레이션에서, 제안된 방법은 풀 비선형 온보드 모델 베이스라인과 유사한 추적 정확도를 달eric했으며, 선형 온보드 모델보다 크게 우수한 성능을 보였다. 제안된 방법의 제곱평균제곱근 오차(RMSE)는 비선형 베이스라인(예: 롤 레이트에 대해 $0.0824$ rad/s vs $0.0403$ rad/s)에 근접했으며, 선형 베이스라인($0.1338$ rad/s)보다는 훨씬 뛰어났다.
• 계산 효율성: 제안된 방법은 비교된 모든 방법, 선형 베이스라인을 포함하여 가장 낮은 총 실행 시간을 달성했다. 이는 별도의 모델 평가 단계와 유한 차분 섭동을 제거했기 때문이다. 즉, 해석적 모델과 그 야코비안이 솔버 내에서 직접 평가된다.
• 고장 적응성: 러더가 고정된 시나리오에서, 온라인 적응 메커니즘은 잔차 불일치를 감지하고 모델 계수를 업데이트하여 건강한 효력기로 제어 권한을 성공적으로 재분배하였으며, 짧은 과도 현상 이후 추적 성능을 회복했다.
• 동적 성능: 저하된 액추에이터 대역폭(느려진 엘레본) 테스트 시, 동적 MPC 정식화는 정적 할당 베이스라인에서 관찰된 진동하는 편향 명령을 제거하여 더 부드럽고 조화로운 제어 입력을 생성했다.

의의 및 주장

본 논문은 모델 충실도, 계산 비용, 그리고 해석 가능성 사이의 지속적인 트레이드오프를 해결하는 "중간 지점" 솔루션을 제공한다고 주장한다.

• 해석 가능성 vs 성능: 블랙박스 데이터 기반 방식과 달리, 식별된 모델은 직접적인 물리적 의미(예: 관성 결합 항)를 갖는 지배 구조를 복구하여 검증 및 안전 사례 구축을 용이하게 한다.
• 효율성 vs 충실도: 고충실도 온보드 모델과 달리, 희소한 해석적 모델은 과도한 계산 비용 없이 실시간 비선용 최적화를 가능하게 한다.
• 강건성: 프레임워크는 액추에이터 고장 및 변화하는 운용 조건 하에서도 전체 시스템 재식별 없이 추적 성능을 유지하는 원활한 재구성 메커니즘을 제공한다.

저자들은 이 방법이 유망함을 보여주지만, 온라인 적응에 대한 엄격한 폐루프 안정성 보장을 확립하고 실제 센서 노이즈 수준에서의 강건성을 조사하는 후속 연구가 필요하다고 언급한다. 또한, 모델의 명시적 미분 가능성은 비선형 결합을 능동적으로 활용하여 제어 권한을 향상시키는 미래의 가능성을 열어주며, 이는 선형 할당 정식화에서는 본질적으로 보이지 않는 능력이다.