CHAPTER 37 / 상태 피드백

상태 피드백 설계: 애커만 공식과 적분 서보

상태가 셋 이상이면 계수를 손으로 비교해 극점을 배치하는 계산이 금세 번거로워집니다. 이 장에서는 극점 배치를 절차로 정리합니다. 가제어 표준형으로 옮기거나 애커만 공식을 쓰고, 이어서 적분기를 더해 출력이 목표값에 정확히 멈추도록 만듭니다.

핵심 정리

애커만 공식은 입력이 하나인 제어가능한 모델의 폐루프 극점을 원하는 곳에 놓는 상태 피드백 이득을 K = [0 … 0 1]M_c⁻¹φ(A)로 계산합니다. 여기서 M_c는 제어가능성 행렬이고 φ는 원하는 특성다항식이며, 결과는 가제어 표준형에서 계수를 비교해 얻은 K와 같습니다. 적분 서보는 ξ̇ = r − y인 상태 ξ와 k_I·ξ 항을 더해, 일정한 부하나 파라미터 오차가 있어도 출력이 목표값에 정확히 멈추게 합니다.

K=[0⋯01]Mc−1φ(A),u=−Kx+kIξ,ξ˙=r−yK=\begin{bmatrix}0&\cdots&0&1\end{bmatrix}M_c^{-1}\varphi(A),\qquad u=-Kx+k_I\xi,\quad \dot\xi=r-y
이번 강의의 목표

3차 모델의 상태 피드백 이득을 계수 비교와 애커만 공식으로 각각 구하고, 일정한 부하가 만드는 정상상태 오차를 없애는 적분 서보를 설계합니다.

극점 배치 강의에서는 2차 특성방정식의 계수를 손으로 맞추었고, 제어가능성 검사로 그것이 언제 가능한지 확인했습니다. 이번에는 같은 생각을 상태 수와 관계없이 쓸 수 있는 절차로 정리하고, 적분기를 더해 정확한 모델이 없어도 목표값을 추종하도록 만듭니다.

앞 강의 다시 보기: 극점 배치로 상태 피드백 설계
상황부터 이해하기

먼저 그려 보기

상태가 둘일 때는 계수 비교가 몇 줄이면 끝났습니다. 위치 이득은 상수항을, 속도 이득은 s의 일차항을 바꾸었기 때문입니다. 상태가 셋이 되면 이득 하나가 여러 계수에 동시에 나타나는 경우가 많아 연립방정식을 풀어야 합니다. 그런데 이런 일이 전혀 생기지 않는 좌표계가 하나 있습니다. 가제어 표준형에서는 A의 맨 아래 행에 특성다항식의 계수가 놓이고 입력도 그 행에만 들어갑니다. 그래서 이득 하나가 계수 하나에만 더해집니다. 따라서 그 좌표로 옮겨 가서 뺄셈으로 이득을 하나씩 정하고 다시 원래 좌표로 돌아오면 됩니다. 애커만 공식은 이 세 단계를 한 줄로 묶은 것입니다. 극점을 배치한 뒤에도 실용적인 질문이 하나 남습니다. 모델이 조금 틀려도 출력이 목표값에 정확히 멈출까요? 오차의 적분을 함께 피드백하면 그렇다고 답할 수 있습니다.

핵심 개념

개념을 하나씩 연결하기

입력이 하나인 ẋ = Ax + Bu에 상태 피드백 u = −Kx를 적용한다고 합시다. 폐루프 행렬은 A − BK이고, 극점 배치는 det(sI − A + BK)가 미리 정한 다항식 φ(s)와 같아지도록 K를 고르는 문제입니다. 제어가능성 행렬 M_c = [B AB … Aⁿ⁻¹B]가 가역일 때, 그리고 그때에만 원하는 폐루프 다항식을 모두 만들 수 있습니다. 이 경우 T = M_c·W로 좌표를 x = T·x̄로 바꾸면 모델이 가제어 표준형이 됩니다. 그 좌표에서는 이득을 계수별로 바로 구하고, K = K̄T⁻¹로 원래 좌표의 이득을 얻습니다. 애커만 공식은 T를 만들지 않고도 같은 K를 줍니다. K = [0 … 0 1]·M_c⁻¹·φ(A)입니다. 목표값을 추종할 때 순수한 상태 피드백은 모델에서 계산한 기준 이득 N에 의존하므로, 일정한 부하나 틀린 파라미터가 있으면 정상상태 오차가 남습니다. ξ̇ = r − y인 상태 ξ를 추가하고 제어 법칙에 k_I·ξ 항을 넣으면 오차 자체가 제어기를 움직입니다. 정상상태에서는 ξ̇ = 0이므로 반드시 y = r이 됩니다.

수식 읽는 법

u=−Kx,x˙=(A−BK)x,det⁡(sI−A+BK)=φ(s)=sn+αn−1sn−1+⋯+α0u=-Kx,\qquad \dot x=(A-BK)x,\qquad \det(sI-A+BK)=\varphi(s)=s^n+\alpha_{n-1}s^{n-1}+\cdots+\alpha_0

상태 피드백과 설계 조건입니다. φ(s)는 원하는 폐루프 극점으로 만든 목표 특성다항식입니다.

Mc=[BAB⋯An−1B],det⁡Mc≠0M_c=\begin{bmatrix}B&AB&\cdots&A^{n-1}B\end{bmatrix},\qquad \det M_c\neq 0

제어가능성 행렬입니다(제어가능성 강의에서는 𝒞로 썼습니다). 입력이 하나이면 정방행렬이며, 이 행렬이 가역일 때 그리고 그때에만 원하는 폐루프 극점을 모두 배치할 수 있습니다.

Ac=[010001−a0−a1−a2],Bc=[001],Kˉ=[α0−a0α1−a1α2−a2]A_c=\begin{bmatrix}0&1&0\\0&0&1\\-a_0&-a_1&-a_2\end{bmatrix},\quad B_c=\begin{bmatrix}0\\0\\1\end{bmatrix},\qquad \bar K=\begin{bmatrix}\alpha_0-a_0&\alpha_1-a_1&\alpha_2-a_2\end{bmatrix}

가제어 표준형에서는 이득 하나가 맨 아래 행의 계수 하나에만 더해지므로, 이득은 원하는 계수에서 개루프 계수를 뺀 값입니다.

T=McW,W=[a1a21a210100],T−1AT=Ac,T−1B=Bc,K=KˉT−1T=M_cW,\quad W=\begin{bmatrix}a_1&a_2&1\\a_2&1&0\\1&0&0\end{bmatrix},\qquad T^{-1}AT=A_c,\quad T^{-1}B=B_c,\qquad K=\bar KT^{-1}

상태가 셋일 때 가제어 표준형으로 옮기는 변환입니다. 계수 a_i는 det(sI − A)의 계수입니다. 상태가 둘이면 W = [[a₁, 1], [1, 0]]입니다.

K=[0⋯01]Mc−1φ(A),φ(A)=An+αn−1An−1+⋯+α0IK=\begin{bmatrix}0&\cdots&0&1\end{bmatrix}M_c^{-1}\varphi(A),\qquad \varphi(A)=A^n+\alpha_{n-1}A^{n-1}+\cdots+\alpha_0I

애커만 공식입니다. φ(A)는 원하는 다항식의 s 자리에 행렬 A를 넣은 것입니다.

qMc=[0⋯01],K=qAn+αn−1qAn−1+⋯+α1qA+α0qqM_c=\begin{bmatrix}0&\cdots&0&1\end{bmatrix},\qquad K=qA^n+\alpha_{n-1}qA^{n-1}+\cdots+\alpha_1qA+\alpha_0q

같은 공식을 손 계산에 맞게 정리한 형태입니다. 행벡터 q 하나를 구한 뒤 행렬의 거듭제곱 대신 행벡터에 A를 거듭 곱합니다.

u=−Kx+Nr,N=−1C(A−BK)−1Bu=-Kx+Nr,\qquad N=\frac{-1}{C(A-BK)^{-1}B}

순수한 상태 피드백에서 쓰는 목표값 배율입니다. 모델이 정확하고 부하가 없을 때에만 정상상태에서 y = r이 됩니다.

[x˙ξ˙]=[A0−C0][xξ]+[B0]u+[01]r,u=−Kx+kIξ\begin{bmatrix}\dot x\\\dot\xi\end{bmatrix}=\begin{bmatrix}A&0\\-C&0\end{bmatrix}\begin{bmatrix}x\\\xi\end{bmatrix}+\begin{bmatrix}B\\0\end{bmatrix}u+\begin{bmatrix}0\\1\end{bmatrix}r,\qquad u=-Kx+k_I\xi

1형 서보 시스템입니다. ξ는 추종 오차를 적분하며, 확장 모델은 이득 [K, −k_I]를 쓰는 보통의 상태 피드백 문제로 설계합니다.

rank⁡[AB−C0]=n+1\operatorname{rank}\begin{bmatrix}A&B\\-C&0\end{bmatrix}=n+1

(A, B)의 제어가능성과 이 조건이 함께 성립하면 확장 모델이 제어가능합니다. 대상이 s = 0에 영점을 가질 때 이 조건이 깨집니다.

기호의 뜻

x, u, y, rx,\ u,\ y,\ r
상태, 입력, 출력, 목표값
A,B,CA,B,C
대상의 시스템 행렬, 입력 행렬, 출력 행렬
K=[k1 ⋯ kn]K=[k_1\ \cdots\ k_n]
상태마다 원소가 하나씩 있는 상태 피드백 이득 행벡터
φ(s), αi\varphi(s),\ \alpha_i
원하는 폐루프 특성다항식과 그 계수
aia_i
개루프 다항식 det(sI − A)의 계수
McM_c
제어가능성 행렬 [B AB … Aⁿ⁻¹B]
T, WT,\ W
가제어 표준형으로 옮기는 변환 x = T·x̄와 그 계수 행렬
Ac, Bc, KˉA_c,\ B_c,\ \bar K
가제어 표준형 좌표의 행렬과 이득
qq
qM_c = [0 … 0 1]에서 구하는 M_c⁻¹의 마지막 행
NN
순수한 상태 피드백의 기준 이득
ξ\xi
추종 오차 r − y의 적분
kIk_I
서보의 적분 이득
A^, B^, K^\hat A,\ \hat B,\ \hat K
확장 행렬과 확장 이득 [K, −k_I]
dd
입력단으로 들어오는 일정한 부하
nn
대상의 상태 개수

두 결과 모두 입력이 하나인 선형 시불변 모델을 가정합니다. 애커만 공식을 쓰려면 M_c가 가역, 즉 모델이 제어가능해야 합니다. 적분 서보는 여기에 더해 대상이 s = 0에 영점을 갖지 않아야 합니다. 두 결과 모두 구동기 한계를 고려하지 않으므로, 구한 이득이 요구하는 힘이나 전압을 따로 확인하세요.

숫자로 풀어 보는 예제

3차 위치 구동계와 적분 서보

  1. 1부. 정규화한 단위의 위치 구동계를 봅시다. x₁은 각도, x₂는 속도, x₃는 구동 토크입니다. 입력은 지연을 거쳐 토크를 만들고, 토크는 마찰을 이기며 축을 가속하고, 속도가 적분되어 각도가 됩니다. 개루프 극점은 0, −1, −2입니다.

    A=[0100−1100−2],B=[001],det⁡(sI−A)=s3+3s2+2sA=\begin{bmatrix}0&1&0\\0&-1&1\\0&0&-2\end{bmatrix},\quad B=\begin{bmatrix}0\\0\\1\end{bmatrix},\qquad \det(sI-A)=s^3+3s^2+2s
  2. 사양은 지배극점 쌍 −2 ± j2(ζ = 0.707, ωn = 2.83 rad/s)와 그보다 다섯 배 왼쪽인 −10의 셋째 극점입니다.

    φ(s)=(s2+4s+8)(s+10)=s3+14s2+48s+80\varphi(s)=(s^2+4s+8)(s+10)=s^3+14s^2+48s+80
  3. 제어가능성을 확인합니다. 행렬식이 0이 아니므로 극점을 원하는 곳에 배치할 수 있습니다.

    Mc=[BABA2B]=[00101−31−24],det⁡Mc=−1M_c=\begin{bmatrix}B&AB&A^2B\end{bmatrix}=\begin{bmatrix}0&0&1\\0&1&-3\\1&-2&4\end{bmatrix},\qquad \det M_c=-1
  4. 방법 1은 계수 비교입니다. A − BK에서는 맨 아래 행만 바뀝니다. 첫째 행을 따라 행렬식을 전개합니다.

    det⁡(sI−A+BK)=∣s−100s+1−1k1k2s+2+k3∣=s3+(3+k3)s2+(2+k2+k3)s+k1\det(sI-A+BK)=\begin{vmatrix}s&-1&0\\0&s+1&-1\\k_1&k_2&s+2+k_3\end{vmatrix}=s^3+(3+k_3)s^2+(2+k_2+k_3)s+k_1
  5. 위쪽 계수부터 맞춥니다. k₃를 먼저 구하고 k₂, k₁ 순서로 구합니다. 이득 하나가 여러 곳에 나타나므로, 모델이 커지면 이 방법이 느려지는 것입니다.

    3+k3=14,2+k2+k3=48,k1=80 ⟹ K=[803511]3+k_3=14,\quad 2+k_2+k_3=48,\quad k_1=80\ \Longrightarrow\ K=\begin{bmatrix}80&35&11\end{bmatrix}
  6. 방법 2는 애커만 공식입니다. qM_c = [0, 0, 1]을 풉니다. qB = 0에서 q₃ = 0, qAB = 0에서 q₂ = 0, qA²B = 1에서 q₁ = 1을 얻습니다.

    q=[100],qA=[010],qA2=[0−11],qA3=[01−3]q=\begin{bmatrix}1&0&0\end{bmatrix},\quad qA=\begin{bmatrix}0&1&0\end{bmatrix},\quad qA^2=\begin{bmatrix}0&-1&1\end{bmatrix},\quad qA^3=\begin{bmatrix}0&1&-3\end{bmatrix}
  7. φ의 계수를 곱해 행벡터들을 더합니다. 방법 1과 같은 K가 나옵니다.

    K=qA3+14 qA2+48 qA+80 q=[801−14+48−3+14]=[803511]K=qA^3+14\,qA^2+48\,qA+80\,q=\begin{bmatrix}80&1-14+48&-3+14\end{bmatrix}=\begin{bmatrix}80&35&11\end{bmatrix}
  8. 표준형으로도 검산합니다. a₂ = 3, a₁ = 2, a₀ = 0이므로 T = M_cW이고 K̄ = [80 − 0, 48 − 2, 14 − 3] = [80, 46, 11]입니다. K̄T⁻¹를 계산하면 다시 [80, 35, 11]이 나옵니다. A − BK의 고유값은 사양대로 −2 ± j2와 −10입니다.

    T=McW=[100010011],K=KˉT−1=[804611][1000100−11]=[803511]T=M_cW=\begin{bmatrix}1&0&0\\0&1&0\\0&1&1\end{bmatrix},\qquad K=\bar KT^{-1}=\begin{bmatrix}80&46&11\end{bmatrix}\begin{bmatrix}1&0&0\\0&1&0\\0&-1&1\end{bmatrix}=\begin{bmatrix}80&35&11\end{bmatrix}
  9. 2부. 위치를 출력으로 하는 실험실의 질량–스프링–댐퍼로 옮겨, 먼저 극점이 −2 ± j2인 순수한 상태 피드백을 설계합니다. 일정한 0.5 N 부하가 있고 목표가 0.2 m이면 질량은 0.2625 m에 멈춥니다. 오차는 d/(4 + k₁) = 0.0625 m입니다.

    A=[01−4−0.8], B=[01], C=[10]:K=[43.2],N=8A=\begin{bmatrix}0&1\\-4&-0.8\end{bmatrix},\ B=\begin{bmatrix}0\\1\end{bmatrix},\ C=\begin{bmatrix}1&0\end{bmatrix}:\qquad K=\begin{bmatrix}4&3.2\end{bmatrix},\quad N=8
  10. 오차 적분을 추가합니다. rank 검사를 통과하므로 확장 모델은 제어가능합니다. u = −Kx + k_Iξ를 대입하면 3차 특성다항식을 얻습니다.

    det⁡[010−4−0.81−100]=−1≠0,det⁡(sI−A^+B^K^)=s3+(0.8+k2)s2+(4+k1)s+kI\det\begin{bmatrix}0&1&0\\-4&-0.8&1\\-1&0&0\end{bmatrix}=-1\neq0,\qquad \det(sI-\hat A+\hat B\hat K)=s^3+(0.8+k_2)s^2+(4+k_1)s+k_I
  11. 극점 쌍은 −2 ± j2에 두고 적분기 극점을 −4에 놓습니다. (Â, B̂)에 애커만 공식을 적용해도 같은 확장 이득 [20, 7.2, −32]가 나옵니다.

    (s2+4s+8)(s+4)=s3+8s2+24s+32 ⟹ K=[207.2],kI=32(s^2+4s+8)(s+4)=s^3+8s^2+24s+32\ \Longrightarrow\ K=\begin{bmatrix}20&7.2\end{bmatrix},\quad k_I=32
  12. 정상상태를 손으로 구해 봅시다. ξ̇ = 0이므로 y = r = 0.2 m입니다. 정지 상태의 속도 방정식에서 ξ가 정해지고, 입력은 0.3 N에 정착하여 입력과 부하의 합이 0.8 N의 스프링 힘과 평형을 이룹니다.

    0=−(4+k1)r+kIξ+d ⟹ ξ=24(0.2)−0.532=0.134375,u=−k1r+kIξ=0.3 N0=-(4+k_1)r+k_I\xi+d\ \Longrightarrow\ \xi=\frac{24(0.2)-0.5}{32}=0.134375,\qquad u=-k_1r+k_I\xi=0.3\ \mathrm N
  13. 시뮬레이션으로 확인합니다(RK4, 1 ms 간격, 정지 상태에서 시작해 10 s). 0.5 N 부하에서 서보는 y = 0.2000000 m로 끝나 오차가 10⁻⁹ m보다 작고, 순수한 상태 피드백은 0.2625 m로 끝납니다. 스프링 상수가 모델의 4 N/m가 아니라 5 N/m이면 순수한 피드백은 0.1778 m, 서보는 다시 0.2000 m로 끝납니다. 부하가 없을 때 서보 응답은 1.97 s에 0.2055 m로 최대가 되고(오버슈트 2.7 %), 2.30 s 이후로는 목표값의 2 % 범위 안에 머뭅니다.

    Y(s)R(s)=32(s+4)(s2+4s+8),Y(0)R(0)=1\frac{Y(s)}{R(s)}=\frac{32}{(s+4)(s^2+4s+8)},\qquad \frac{Y(0)}{R(0)}=1
참고 자료

한눈에 보는 표

3차 위치 구동계에 애커만 공식을 적용하는 단계
항목식값
모델x˙=Ax+Bu\dot x=Ax+BuA=[0100−1100−2], B=[001]A=\begin{bmatrix}0&1&0\\0&-1&1\\0&0&-2\end{bmatrix},\ B=\begin{bmatrix}0\\0\\1\end{bmatrix}
개루프 다항식det⁡(sI−A)\det(sI-A)s3+3s2+2ss^3+3s^2+2s
원하는 다항식φ(s)\varphi(s)(s2+4s+8)(s+10)=s3+14s2+48s+80(s^2+4s+8)(s+10)=s^3+14s^2+48s+80
제어가능성 행렬Mc=[BABA2B]M_c=\begin{bmatrix}B&AB&A^2B\end{bmatrix}[00101−31−24], det⁡Mc=−1\begin{bmatrix}0&0&1\\0&1&-3\\1&-2&4\end{bmatrix},\ \det M_c=-1
M_c⁻¹의 마지막 행qMc=[001]qM_c=\begin{bmatrix}0&0&1\end{bmatrix}q=[100]q=\begin{bmatrix}1&0&0\end{bmatrix}
행벡터 qAᵏqA, qA2, qA3qA,\ qA^2,\ qA^3[010], [0−11], [01−3]\begin{bmatrix}0&1&0\end{bmatrix},\ \begin{bmatrix}0&-1&1\end{bmatrix},\ \begin{bmatrix}0&1&-3\end{bmatrix}
이득K=qA3+14 qA2+48 qA+80 qK=qA^3+14\,qA^2+48\,qA+80\,q[803511]\begin{bmatrix}80&35&11\end{bmatrix}
검산eig⁡(A−BK)\operatorname{eig}(A-BK)−2±j2, −10-2\pm j2,\ -10

계수 비교나 가제어 표준형으로 구해도 같은 K가 나옵니다. 설계가 끝나면 언제나 A − BK의 고유값을 다시 계산하세요.

더 자세한 설명과 모델의 가정
조금 더 자세히

가제어 표준형에서 극점 배치가 쉬운 이유

가제어 표준형에서 A_c는 대각선 바로 위에 1이 놓이고 맨 아래 행이 −a₀, −a₁, …, −aₙ₋₁이며, B_c = [0 … 0 1]ᵀ입니다. B_c·K̄는 맨 아래 행만 K̄이고 나머지는 모두 0입니다. 그래서 A_c − B_cK̄도 동반행렬이 되고, 그 맨 아래 행은 −(a₀ + k̄₁), −(a₁ + k̄₂), …, −(aₙ₋₁ + k̄ₙ)입니다. 따라서 특성다항식을 그대로 읽을 수 있고, 이를 φ(s) = sⁿ + αₙ₋₁sⁿ⁻¹ + … + α₀과 맞추면 이득을 뺄셈 한 번으로 하나씩 얻습니다. 즉 k̄ᵢ₊₁ = αᵢ − aᵢ입니다.

여기서는 이득에 상수항 쪽부터 번호를 붙였고, 이는 상태 x̄₁, …, x̄ₙ의 순서와 같습니다. 표준형 상태에 반대 순서로 번호를 붙이는 교재에서는 같은 이득이 거꾸로 나열됩니다. 어느 방식을 쓰든 det(sI − A + BK)를 계산해 결과를 확인하세요.

조금 더 자세히

표준형으로 옮기기: 변환 T = M_cW

제어가능한 모델이라면 개루프 계수 a₁, …, aₙ₋₁로 W를 만듭니다. W는 반대각선에 1이 놓이고 그 아래가 모두 0인 행렬입니다. 상태가 셋이면 W = [[a₁, a₂, 1], [a₂, 1, 0], [1, 0, 0]], 둘이면 W = [[a₁, 1], [1, 0]]입니다. T = M_cW로 두면 새 좌표 x̄ = T⁻¹x에서 T⁻¹AT = A_c, T⁻¹B = B_c가 성립합니다. u = −K̄x̄ = −K̄T⁻¹x이므로 원래 좌표의 이득은 K = K̄T⁻¹입니다.

이 방법에는 개루프 계수, 행렬 곱 한 번, 역행렬 한 번이 필요하며, 상태가 셋까지는 손으로도 믿을 만하게 계산할 수 있습니다. 제어가능성이 왜 필요한지도 이 방법에서 드러납니다. M_c가 특이행렬이면 T가 존재하지 않으므로 옮겨 갈 표준형 좌표가 없습니다.

조금 더 자세히

애커만 공식과 손 계산 요령

A = (A − BK) + BK로 쓰고 φ(A)를 전개합니다. A − BK의 특성다항식이 φ이면 케일리–해밀턴 정리에 의해 φ(A − BK) = 0이고, 남는 항은 모두 M_c의 한 블록에 어떤 행벡터를 곱한 꼴입니다. 이때 Aⁿ⁻¹B에 곱해지는 행벡터가 정확히 K입니다. 즉 φ(A) = M_c·[ * ; … ; * ; K]입니다. 왼쪽에 M_c⁻¹의 마지막 행을 곱하면 K만 남습니다. 이것이 애커만 공식입니다.

손으로 풀 때는 M_c⁻¹ 전체나 φ(A) 전체를 구할 필요가 없습니다. qM_c = [0 … 0 1]을 풀어 행벡터 q = [0 … 0 1]M_c⁻¹을 구합니다. 이는 qB = 0, qAB = 0, …, qAⁿ⁻¹B = 1이라는 n개의 스칼라 조건입니다. 그다음 행벡터에 A를 거듭 곱해 q, qA, qA², …, qAⁿ을 구하고 K = qAⁿ + αₙ₋₁qAⁿ⁻¹ + … + α₀q로 더합니다. 이 장의 예제처럼 입력이 계수 1로 이어진 n단의 사슬을 거쳐서만 x₁에 닿는 경우에는 q = [1, 0, …, 0]이므로 K는 φ(A)의 첫째 행과 같습니다.

조금 더 자세히

극점 위치 고르기

설계 사양에서 출발합니다. 지배극점 쌍 −ζωn ± jωn√(1 − ζ²)이 오버슈트와 정착시간을 정하며, 이는 2차 시스템 사양 강의에서 다룬 것과 같습니다. 나머지 극점은 그보다 2~5배 왼쪽에 놓습니다. 그러면 그 극점이 만드는 과도응답은 지배극점 쌍이 정착하기 전에 사라집니다.

극점을 많이 옮길수록 이득이 커집니다. 아래 예제에서 극점 쌍은 −2 ± j2에 두고 셋째 극점만 −4에서 −10으로 옮기면 각도 이득이 32에서 80으로 커집니다. 같은 단위 각도 오차에 2.5배의 구동 입력이 필요하다는 뜻입니다. 빠른 극점은 센서 잡음과 모델 오차도 키웁니다. 관측기와 LQR 강의에서 극점을 정하는 다른 방법을 다룹니다.

조금 더 자세히

상태 피드백만으로는 정상상태 오차가 남는 이유

u = −Kx + Nr이고 목표값이 일정하면 루프는 0 = (A − BK)x_ss + BNr인 점에서 정착하므로 y_ss = −C(A − BK)⁻¹B·N·r입니다. N = −1/(C(A − BK)⁻¹B)로 고르면 y_ss = r이 되지만, 이는 N을 계산할 때 쓴 모델에 대해서만 성립합니다.

입력단에 일정한 부하 d가 더해지거나 파라미터가 바뀌면 y_ss는 r에서 벗어납니다. 루프 안에 오차를 누적하는 요소가 없기 때문입니다. 실험실의 질량–스프링–댐퍼에서 극점을 −2 ± j2에 두고(K = [4, 3.2], N = 8) 목표를 0.2 m로 하면, 0.5 N의 부하가 있을 때 질량은 0.2625 m에 멈추고, 스프링 상수가 4 N/m가 아니라 5 N/m이면 0.1778 m에 멈춥니다.

대상에 이미 적분기가 있으면 부분적인 예외가 됩니다. 적분된 상태 x₁이 출력이라면 u = k₁(r − x₁) − k₂x₂ − … − kₙxₙ을 쓰면 되고, 이때는 N 없이도 목표값에 대한 오차가 0입니다. 그래도 입력단의 일정한 부하는 d/k₁만큼의 편차를 남깁니다. 아래의 3차 예제에서 k₁ = 80일 때 크기 0.5의 부하는 최종 각도를 0.00625만큼 옮깁니다.

조금 더 자세히

적분기 추가: 1형 서보 시스템

추종 오차의 적분인 새 상태 ξ를 ξ̇ = r − y = r − Cx로 정의합니다. 확장 상태 [x; ξ]는 Â = [[A, 0], [−C, 0]], B̂ = [B; 0]인 n + 1차 모델을 따르고, 목표값 r은 ξ의 방정식으로 들어옵니다. u = −Kx + k_Iξ로 두면 확장 상태에 이득 K̂ = [K, −k_I]를 쓰는 평범한 상태 피드백이 됩니다. 따라서 애커만 공식을 비롯한 앞의 방법을 (Â, B̂)에 그대로 쓸 수 있습니다.

정상상태 논증은 간단합니다. 폐루프가 안정하고 r과 부하가 일정하면 모든 상태가 정착하므로 ξ̇ = 0이고, 따라서 y = r입니다. 이 논증에는 대상 파라미터가 전혀 쓰이지 않았습니다. 그러므로 루프를 안정하게 유지하는 범위의 파라미터 오차와 입력단의 일정한 부하에 대해서도 같은 결론이 성립합니다.

확장 모델은 제어가능해야 합니다. 이를 위해서는 (A, B)가 제어가능하고 rank [[A, B], [−C, 0]] = n + 1이어야 하며, 뒤의 조건은 대상이 s = 0에 영점을 갖지 않는다는 뜻입니다. 이 조건은 물리적으로도 이해할 수 있습니다. 대상의 직류 이득이 0이면 어떤 일정한 입력으로도 0이 아닌 일정한 출력을 유지할 수 없으므로, 어떤 제어기도 그렇게 할 수 없습니다.

조금 더 자세히

확장 시스템의 극점 고르기

확장 루프에는 극점이 n + 1개 있습니다. 사양에서 정한 지배극점 쌍은 그대로 두고, 추가 극점은 실수축 위에서 지배극점의 실수부 근처나 그보다 조금 왼쪽에 놓습니다. 이 구조에서는 목표값이 적분기를 거쳐서만 y에 닿으므로 Y(s)/R(s) = k_I/φ(s)에는 영점이 없고 직류 이득은 정확히 1입니다.

추가 극점이 너무 느리면 마지막 구간은 적분기가 맡게 되어 출력이 느린 지수 꼬리를 따라 목표값에 다가갑니다. 너무 빠르면 k_I와 다른 이득이 커지고, 적분기가 과도응답마다 크게 반응하며 구동기도 더 쉽게 포화됩니다. 포화가 생길 수 있다면 PID 강의에서처럼 안티와인드업을 추가해 구동기가 제한에 걸린 동안에는 적분을 멈추세요.

직접 확인하기

예제를 실험과 연결하기

상태 피드백 실험실은 질량–스프링–댐퍼 A = [[0, 1], [−4, −0.8]], B = [0, 1]ᵀ의 극점을 계수 비교로 배치합니다. 애커만 공식으로 계산해도 같은 이득이 나옵니다. 여기서 M_c = [[0, 1], [1, −0.8]]이고 M_c⁻¹의 마지막 행이 [1, 0]이므로 K는 φ(A)의 첫째 행과 같습니다. ωn = 2 rad/s, ζ = 0.7이면 φ(s) = s² + 2.8s + 4이고, φ(A)의 첫째 행은 실험실에 표시되는 K인 [0, 2]입니다. 실험실의 기준 이득 N = ωn²은 모델에 근거한 배율일 뿐이며 이 장에서 다루는 적분 동작이 아닙니다.

애커만 공식의 이득을 실험실의 K와 비교하기
직접 해볼 실험

조작하기 전에 먼저 예측해 보세요.

  1. 예측실험실을 열기 전에 A = [[0, 1], [−4, −0.8]], B = [0, 1]ᵀ에 애커만 공식을 적용해 ωn = 3 rad/s, ζ = 0.7일 때의 K와 기준 이득 N을 구하세요. 목표가 0.2 m이면 처음에 요구하는 힘은 얼마일까요?
  2. 한 가지 변경ωn = 2 rad/s인 기본 실행을 고정한 다음 ωn만 3 rad/s로 바꿉니다. ζ = 0.7, 목표 위치 0.2 m, 실제 상태 피드백은 그대로 둡니다.
  3. 관찰모델 패널에서 K = [5, 3.4], N = 9를 확인합니다. 처음 요구하는 힘은 0.8 N에서 1.8 N으로 커지고, 최종 위치 오차는 사실상 0으로 남습니다.
  4. 설명여기서는 q = [1, 0]이므로 K는 φ(A) = A² + 4.2A + 9I의 첫째 행인 [5, 3.4]입니다. 처음 힘은 N·r = 9 × 0.2 = 1.8 N입니다. 최종 오차가 0인 것은 시뮬레이션의 대상이 설계 모델과 정확히 같기 때문입니다. N은 그 모델에서 계산한 값이고 실험실에는 적분기가 없습니다. 부하가 있거나 스프링 상수가 다르면 이 장에서 계산한 편차가 나타날 것입니다.
주의

M_c가 특이행렬에 가까워도 애커만 공식은 숫자를 내놓습니다. 하지만 이득이 매우 커지고 반올림 오차 때문에 극점이 원하는 위치에서 벗어납니다. 설계하기 전에 M_c의 계수(rank)를 확인하고, 설계가 끝날 때마다 A − BK의 고유값을 다시 계산하세요. 적분 서보도 구동기 한계에서 자유롭지 않습니다. 구동기가 포화된 동안에도 ξ는 계속 적분되어 출력이 크게 오버슈트합니다. PID 강의에서 본 적분 와인드업과 같은 현상입니다.

이해 확인+

대상에 적분기가 있고 그 적분된 상태 x₁이 출력이며, 제어 법칙으로 u = k₁(r − x₁) − k₂x₂ − k₃x₃을 씁니다. r의 계단 변화에 대한 정상상태 오차는 0일까요? 입력단에 일정한 부하 d가 작용할 때도 0일까요?

목표값에 대한 오차는 0입니다. 대상 자체의 적분기 덕분에 r에서 y까지 폐루프 직류 이득이 1이 되기 때문입니다. 부하가 있으면 d/k₁만큼 편차가 남습니다. 부하와 제어기 출력 사이에 적분기가 없기 때문입니다. 적분 서보를 쓰면 두 오차가 모두 사라집니다.
연습 문제

풀이를 열기 전에 직접 풀어 보세요

먼저 종이에 직접 풀어 보세요. 답을 열어 내 답과 비교하고, 과정이 필요하면 전체 풀이를 연 뒤 결과를 표시하세요.

  1. 다음 대상은 불안정합니다. 제어가능성을 확인한 뒤 애커만 공식으로 폐루프 극점을 −3과 −4에 배치하세요.

    A=[1102],B=[01]A=\begin{bmatrix}1&1\\0&2\end{bmatrix},\qquad B=\begin{bmatrix}0\\1\end{bmatrix}
    답 보기

    답K = [20, 10]입니다.

    K=[2010]K=\begin{bmatrix}20&10\end{bmatrix}
    전체 풀이 보기

    풀이

    1. A가 삼각행렬이므로 개루프 극점은 1과 2입니다. 제어가능성 행렬의 행렬식은 0이 아닙니다.

      Mc=[BAB]=[0112],det⁡Mc=−1M_c=\begin{bmatrix}B&AB\end{bmatrix}=\begin{bmatrix}0&1\\1&2\end{bmatrix},\qquad \det M_c=-1
    2. qM_c = [0, 1]을 풉니다. qB = q₂ = 0이고 qAB = q₁ + 2q₂ = 1입니다.

      q=[10],qA=[11],qA2=[13]q=\begin{bmatrix}1&0\end{bmatrix},\qquad qA=\begin{bmatrix}1&1\end{bmatrix},\qquad qA^2=\begin{bmatrix}1&3\end{bmatrix}
    3. 원하는 다항식은 (s + 3)(s + 4) = s² + 7s + 12입니다. 행벡터들을 결합합니다.

      K=qA2+7 qA+12 q=[1+7+123+7]=[2010]K=qA^2+7\,qA+12\,q=\begin{bmatrix}1+7+12&3+7\end{bmatrix}=\begin{bmatrix}20&10\end{bmatrix}
    4. 검산합니다. A − BK의 대각합은 −7, 행렬식은 12이므로 극점 −3과 −4의 합과 곱에 맞습니다.

      A−BK=[11−20−8],det⁡(sI−A+BK)=s2+7s+12A-BK=\begin{bmatrix}1&1\\-20&-8\end{bmatrix},\qquad \det(sI-A+BK)=s^2+7s+12
  2. T = M_cW로 이 모델을 가제어 표준형으로 바꾸고, 폐루프 극점 −4 ± j3에 대한 표준형 이득 K̄를 구한 뒤 원래 좌표의 K로 되돌리세요.

    A=[−101−2],B=[10]A=\begin{bmatrix}-1&0\\1&-2\end{bmatrix},\qquad B=\begin{bmatrix}1\\0\end{bmatrix}
    답 보기

    답K̄ = [23, 5]이고 K = [5, 13]입니다.

    Kˉ=[235],K=[513]\bar K=\begin{bmatrix}23&5\end{bmatrix},\qquad K=\begin{bmatrix}5&13\end{bmatrix}
    전체 풀이 보기

    풀이

    1. 개루프 다항식을 구합니다. A가 삼각행렬이고 극점이 −1, −2이므로 a₁ = 3, a₀ = 2입니다.

      det⁡(sI−A)=(s+1)(s+2)=s2+3s+2\det(sI-A)=(s+1)(s+2)=s^2+3s+2
    2. M_c, W, T를 만들고 2×2 공식으로 T의 역행렬을 구합니다.

      Mc=[1−101],W=[3110],T=McW=[2110],T−1=[011−2]M_c=\begin{bmatrix}1&-1\\0&1\end{bmatrix},\quad W=\begin{bmatrix}3&1\\1&0\end{bmatrix},\quad T=M_cW=\begin{bmatrix}2&1\\1&0\end{bmatrix},\quad T^{-1}=\begin{bmatrix}0&1\\1&-2\end{bmatrix}
    3. 새 좌표가 정말 표준형인지 확인합니다. 맨 아래 행에 −a₀와 −a₁이 놓입니다.

      T−1AT=[01−2−3],T−1B=[01]T^{-1}AT=\begin{bmatrix}0&1\\-2&-3\end{bmatrix},\qquad T^{-1}B=\begin{bmatrix}0\\1\end{bmatrix}
    4. 원하는 다항식은 (s + 4)² + 9 = s² + 8s + 25이므로 계수끼리 뺍니다.

      Kˉ=[25−28−3]=[235]\bar K=\begin{bmatrix}25-2&8-3\end{bmatrix}=\begin{bmatrix}23&5\end{bmatrix}
    5. 원래 좌표로 돌아와 검산합니다. A − BK의 대각합은 −8, 행렬식은 25입니다.

      K=KˉT−1=[513],A−BK=[−6−131−2]K=\bar KT^{-1}=\begin{bmatrix}5&13\end{bmatrix},\qquad A-BK=\begin{bmatrix}-6&-13\\1&-2\end{bmatrix}
  3. 다음 모델에서 상태 피드백으로 폐루프 극점을 −4와 −5에 배치할 수 있을까요? 그럴 수 없다면 어떤 폐루프 다항식을 만들 수 있나요?

    A=[01−2−3],B=[1−1]A=\begin{bmatrix}0&1\\-2&-3\end{bmatrix},\qquad B=\begin{bmatrix}1\\-1\end{bmatrix}
    답 보기

    답배치할 수 없습니다. −2 모드가 제어불가능하므로 모든 폐루프 다항식에 (s + 2) 인수가 남습니다. 다른 극점은 어디에나 둘 수 있으며, 예를 들어 k₁ − k₂ = 3이면 −4에 놓입니다.

    det⁡(sI−A+BK)=(s+2)(s+1+k1−k2)\det(sI-A+BK)=(s+2)(s+1+k_1-k_2)
    전체 풀이 보기

    풀이

    1. M_c의 두 열은 서로 부호만 반대이므로 rank가 1이고, 애커만 공식을 쓸 수 없습니다.

      Mc=[1−1−11],rank⁡Mc=1M_c=\begin{bmatrix}1&-1\\-1&1\end{bmatrix},\qquad \operatorname{rank}M_c=1
    2. 어느 모드가 움직이지 않는지 찾습니다. 개루프 고유값은 −1과 −2입니다. 고유값 −2의 왼쪽 고유벡터 w(wA = −2w)가 B와 직교하므로 입력이 이 모드를 전혀 움직이지 못합니다.

      w=[11]:w(A+2I)=0,wB=1−1=0w=\begin{bmatrix}1&1\end{bmatrix}:\quad w(A+2I)=0,\qquad wB=1-1=0
    3. 일반적인 K에 대해 폐루프 다항식을 계산합니다. 대각합은 −3 − k₁ + k₂, 행렬식은 2(1 + k₁ − k₂)이고 다항식은 인수분해됩니다.

      det⁡(sI−A+BK)=s2+(3+k1−k2)s+2(1+k1−k2)=(s+2)(s+1+k1−k2)\det(sI-A+BK)=s^2+(3+k_1-k_2)s+2(1+k_1-k_2)=(s+2)(s+1+k_1-k_2)
    4. 차이 k₁ − k₂만 영향을 줍니다. k₁ − k₂ = 3, 예를 들어 K = [3, 0]이면 극점은 −2와 −4입니다. 움직일 수 없는 모드가 이미 안정하므로 이 시스템은 여전히 안정화 가능합니다.

  4. 1차 대상 ẋ = −x + 2(u − w), y = x에 일정한 부하 w가 작용합니다. ξ̇ = r − y인 u = −kx + k_Iξ를 폐루프 극점 −2 ± j2에 맞게 설계하세요. r = 1, w = 0.5일 때 y, ξ, u의 최종값을 구하고, 같은 k에 부하가 없을 때 오차가 0이 되도록 고른 N을 쓰는 u = −kx + Nr과 비교하세요.

    답 보기

    답k = 1.5, k_I = 4입니다. 서보는 y = 1, ξ = 0.625, u = 1로 끝나고, N = 2인 순수한 법칙은 y = 0.75로 끝납니다.

    k=1.5,kI=4,yss=1,ξss=0.625,uss=1k=1.5,\quad k_I=4,\qquad y_{ss}=1,\quad \xi_{ss}=0.625,\quad u_{ss}=1
    전체 풀이 보기

    풀이

    1. 제어 법칙을 대입합니다. 확장된 폐루프는 2차입니다.

      [x˙ξ˙]=[−1−2k2kI−10][xξ]+[−2wr],det⁡=s2+(1+2k)s+2kI\begin{bmatrix}\dot x\\\dot\xi\end{bmatrix}=\begin{bmatrix}-1-2k&2k_I\\-1&0\end{bmatrix}\begin{bmatrix}x\\\xi\end{bmatrix}+\begin{bmatrix}-2w\\r\end{bmatrix},\qquad \det=s^2+(1+2k)s+2k_I
    2. s² + 4s + 8과 맞춥니다.

      1+2k=4 ⇒ k=1.5,2kI=8 ⇒ kI=41+2k=4\ \Rightarrow\ k=1.5,\qquad 2k_I=8\ \Rightarrow\ k_I=4
    3. 정상상태에서 ξ̇ = 0이므로 y = 1이고, ẋ = 0이므로 u − w = 0.5, 즉 u = 1입니다. 그러면 u = −1.5 + 4ξ에서 ξ가 정해집니다.

      ξss=1+1.54=0.625\xi_{ss}=\frac{1+1.5}{4}=0.625
    4. 순수한 법칙에서는 부하가 없을 때 y_ss = 2N/(1 + 2k) = N/2이므로 N = 2입니다. 부하가 있으면 ẋ = −4x + 2(2 − 0.5) = 0에서 y = 0.75가 되어 오차가 25 %입니다. 두 루프를 10 s 동안 시뮬레이션하면 y = 1.0000과 y = 0.7500이 나옵니다.

      yssplain=2(Nr−w)1+2k=2(2−0.5)4=0.75y_{ss}^{\text{plain}}=\frac{2(Nr-w)}{1+2k}=\frac{2(2-0.5)}{4}=0.75
  5. 시험 수준 문제입니다. 출력이 y = x₁인 다음 대상에 대해 (a) 적분 서보가 가능한지 확인하고, (b) 세 폐루프 극점을 모두 −3에 두는 K와 k_I를 구하세요. (c) 일정한 부하 w = 1이 ẋ₂ = −2x₁ − 3x₂ + u − w로 들어올 때 r = 1에 대한 ξ와 u의 최종값을 구하고, (d) 센서가 x₁ 대신 x₂를 측정해도 이 설계가 가능한지 답하세요.

    A=[01−2−3],B=[01],C=[10]A=\begin{bmatrix}0&1\\-2&-3\end{bmatrix},\qquad B=\begin{bmatrix}0\\1\end{bmatrix},\qquad C=\begin{bmatrix}1&0\end{bmatrix}
    답 보기

    답(a) 가능합니다. (b) K = [25, 6], k_I = 27입니다. (c) ξ = 28/27 ≈ 1.037, u = 3입니다. (d) 불가능합니다. C = [0, 1]이면 대상이 s = 0에 영점을 가져 rank 검사를 통과하지 못합니다.

    K=[256],kI=27,ξss=2827,uss=3K=\begin{bmatrix}25&6\end{bmatrix},\quad k_I=27,\qquad \xi_{ss}=\tfrac{28}{27},\quad u_{ss}=3
    전체 풀이 보기

    풀이

    1. (a) (A, B)는 동반행렬 꼴이므로 제어가능하고, rank 검사 행렬의 행렬식은 −1입니다.

      det⁡[010−2−31−100]=−1≠0\det\begin{bmatrix}0&1&0\\-2&-3&1\\-1&0&0\end{bmatrix}=-1\neq0
    2. (b) u = −Kx + k_Iξ를 대입하고 (s + 3)³ = s³ + 9s² + 27s + 27과 맞춥니다.

      s3+(3+k2)s2+(2+k1)s+kI ⟹ k2=6,k1=25,kI=27s^3+(3+k_2)s^2+(2+k_1)s+k_I\ \Longrightarrow\ k_2=6,\quad k_1=25,\quad k_I=27
    3. (c) 정상상태에서 y = x₁ = 1, x₂ = 0입니다. 정지 상태의 x₂ 방정식에서 u = 2 + w = 3이고, u = −25 + 27ξ에서 ξ를 얻습니다. 15 s 시뮬레이션에서도 y = 1.0000, ξ = 1.0370, u = 3.0000이 나옵니다.

      0=−2(1)−3(0)+u−1 ⇒ u=3,ξ=3+2527=2827≈1.0370=-2(1)-3(0)+u-1\ \Rightarrow\ u=3,\qquad \xi=\frac{3+25}{27}=\frac{28}{27}\approx1.037
    4. (d) C = [0, 1]이면 검사 행렬이 특이행렬입니다. 전달함수는 s/(s² + 3s + 2)로 원점에 영점이 있습니다. 일정한 입력은 일정한 위치와 0의 속도를 만들 뿐이므로, 어떤 일정한 입력으로도 0이 아닌 속도를 유지할 수 없습니다.

      det⁡[010−2−310−10]=0\det\begin{bmatrix}0&1&0\\-2&-3&1\\0&-1&0\end{bmatrix}=0

답을 확인한 뒤 문제마다 결과를 표시하세요. 표시는 이 브라우저에만 저장됩니다.

핵심 용어

이 강의에서 배우는 용어

용어집 전체 보기 →
질문과 답

자주 묻는 질문

애커만 공식은 손으로 어떻게 계산하나요?

qM_c = [0 … 0 1]을 풀어 행벡터 q 하나를 구하고, 행벡터에 A를 거듭 곱해 qA, qA², …, qAⁿ을 만든 뒤 φ의 계수를 곱해 더합니다. 개루프 극점이 0, −1, −2인 3차 위치 구동계에서 q = [1, 0, 0], φ(s) = s³ + 14s² + 48s + 80이면 K = [80, 35, 11]입니다.

제어가능성 행렬이 특이하거나 특이에 가까우면 어떻게 되나요?

M_c가 특이하면 공식에 쓸 역행렬이 없고, 어떤 폐루프 다항식은 아예 만들 수 없습니다. 제어가능하지 않은 모드는 고유값이 그대로 남습니다. 특이에 가까우면 공식은 숫자를 내놓지만 이득이 매우 커지고 반올림 때문에 극점이 어긋나므로, 먼저 계수(rank)를 확인하고 설계 뒤에 A − BK의 고유값을 다시 계산하세요.

기준 이득 N을 쓰는 상태 피드백은 왜 정상상태 오차를 남기나요?

N은 모델에서 계산한 값이므로 모델이 정확하고 부하가 없을 때에만 y = r을 만들며, 루프 안에 오차를 누적하는 요소가 없습니다. 실험실의 질량–스프링–댐퍼에서 K = [4, 3.2], N = 8로 0.2 m를 목표로 할 때 0.5 N의 일정한 부하가 걸리면 질량은 0.2625 m에 멈춥니다.

적분 서보는 어떻게 오차를 없애며, 언제 실패할 수 있나요?

정상상태에서는 ξ̇ = r − y = 0이므로, 루프가 안정하기만 하면 대상의 파라미터나 일정한 입력 부하와 상관없이 y = r이 됩니다. 다만 확장 모델이 제어가능해야 하는데, 대상이 s = 0에 영점을 가지면 이 조건이 깨집니다. 또 구동기가 포화된 동안에도 ξ는 계속 적분되므로 안티와인드업을 함께 써야 합니다.

적분 서보에서 늘어난 극점은 어디에 두어야 하나요?

사양에서 정한 지배극점 쌍은 그대로 두고, 늘어난 극점은 실수축 위에서 지배극점의 실수부 근처나 그보다 조금 왼쪽에 둡니다. 너무 느리면 출력이 천천히 기어가는 꼬리가 남고, 너무 빠르면 k_I와 다른 이득이 커집니다. 실험실의 질량–스프링–댐퍼에서 극점을 −2 ± j2와 −4에 두면 K = [20, 7.2], k_I = 32입니다.

다음 강의로 이어가기

이 장의 이득은 모두 상태에 곱해지며, 구동계 예제에는 각도뿐 아니라 속도와 토크도 필요합니다. 다음 강의에서는 센서가 측정하지 않는 상태를 모델로 추정하는 방법을 다룹니다.

학습 진도

본문과 연습 문제를 마쳤다면 완료로 표시하세요. 강의계획에 완료 표시가 나타나며 진도는 이 브라우저에만 저장됩니다.

EIGENROOM · https://eigenroom.com/ko/theory/state-feedback-design · 갱신 2026-11-15