모델은 다른 실험도 통과해야 한다
한 응답에서 대상을 추정하는 것은 모델의 시작이지 검증의 끝이 아닙니다.
먼저 그려 보기
모터 모델의 파라미터를 한 속도 계단 응답에 맞추면 곡선이 완벽해 보일 수 있습니다. 다른 목표값이나 부하 펄스도 예측할까요? 학습에 쓰지 않은 실험이 더 많은 것을 알려 줍니다.
모델이 말하는 것
시스템 식별은 알려진 입력과 측정 출력을 모으고 모델 구조를 정해 파라미터를 추정한 뒤 독립적인 데이터에서 예측을 확인합니다. 계단 입력으로 이득과 지배 시간척도를 짐작할 수 있어도 모터에는 전기·기계 상태가 있어 잡음 섞인 계단 하나만으로 모든 상수를 유일하게 식별하기 어렵습니다. 이 실험에서 공칭 모터는 설계 모델이고 관성·마찰 배율은 시뮬레이션의 실제 대상을 바꿉니다. 업로드한 하드웨어 데이터로 추정하는 기능이 아닌 모델 오차 학습 실험입니다. 다른 목표나 부하 조건에서도 확인한 뒤 제어 설계에 쓸 만한 모델인지 판단하세요.
관계식
prediction error = measured output − model output파라미터를 고른 응답만 평가하지 말고 별도의 검증 실험을 사용하세요.
실험과 연결
제어기와 목표를 고정한 공칭 모터 결과를 고정하세요. 실제 관성을 두 배로 올리면 공칭 보드·근궤적은 그대로지만 시간 응답은 달라집니다. 목표나 부하를 바꿔 이 차이가 설계 목표에 중요한지 확인하세요.
달라진 모터 시험하기주의
파라미터를 고른 실험에 잘 맞는 것만으로 예측 정확성을 독립적으로 증명할 수 없고, 보기 좋은 공칭 안정 여유도 마찬가지입니다.
이해 확인+
모델 조정에 쓰지 않은 부하 펄스로 시험하는 이유는?
맞춤에 사용한 실험 밖의 예측력을 확인하고 외란 억제에 중요한 오류를 드러내기 때문입니다.