계산기 / 상태공간

상태공간 계산기

A, B, C, D를 입력하거나 전달함수를 변환하면 고유값, 전달함수, 가제어 표준형, 제어가능성·관측가능성 판별, 애커만 공식으로 구한 상태 피드백 이득, 쌍대성으로 구한 관측기 이득, 폐루프 계단응답을 계산합니다.

상태 모델 / ẋ = Ax + Bu, y = Cx + Du
입력 방식

내림차순 계수(1 3 2) 또는 s(s+1)(s+2) 같은 식으로 입력합니다. 4차까지 입력할 수 있으며, 가제어 표준형으로 바꿔 계산합니다.

극점 2개를 쉼표로 구분해 입력합니다: -2±2j, -10. 복소 극점은 켤레쌍으로 씁니다.

01
−4−2
0
1
40
0
A의 고유값(개루프 극점)
−1 ± 1.732j
직류 이득 G(0)
1
전달함수
G(s) =4s² + 2s + 4
안정성
개루프 안정: 모든 고유값이 좌반평면에 있습니다.

제어가능성

01
1−2

rank M_c = 2 (n = 2) · det M_c = −1

제어가능합니다: 모든 극점을 배치할 수 있습니다.

관측가능성

40
04

rank M_o = 2 (n = 2) · det M_o = 16

관측가능합니다: 관측기 극점을 모두 배치할 수 있습니다.

가제어 표준형

01
−4−2
0
1
40
0
21
10
10
01

전달함수는 같습니다. 모델이 제어가능하면 x = T·x̄, T = M_c·W로 상태 x̄를 잇습니다.

상태 피드백 u = −Kx + N·r

원하는 φ(s) = s² + 4s + 8

K
[4, 2]
K̄ = K·T
[4, 2]
N
2

A − BK의 고유값: −2 ± 2j

관측기 x̂′ = Ax̂ + Bu + L(y − Cx̂)

원하는 φ(s) = s² + 12s + 36

Lᵀ
[2.5, 3]

A − LC의 고유값: −6 (2중근)

폐루프 계단응답, r = 1

최종값
1
상승시간(10–90%)
0.7594 s
최대 오버슈트
4.321%
정착시간(2%)
2.108 s

같은 결과를 내는 코드

MATLAB
% G(s) = (4) / (s^2 + 2s + 4)의 가제어 표준형
% (tf2ss와 ss(G)는 다른 상태 좌표를 씁니다)
A = [0 1; -4 -2];
B = [0; 1];
C = [4 0];
D = 0;
sys = ss(A, B, C, D);
eig(A)
G = tf(sys)
Mc = ctrb(A, B); rank(Mc), det(Mc)
Mo = obsv(A, C); rank(Mo), det(Mo)
p = [-2+2i, -2-2i];
K = acker(A, B, p)   % 서로 다른 극점이면 place(A, B, p)도 됩니다
N = 1/(D - (C - D*K)*((A - B*K)\B))
T = ss(A - B*K, B*N, C - D*K, D*N);
step(T); stepinfo(T)
po = [-6, -6];
L = acker(A', C', po)'   % 쌍대성으로 구한 관측기 이득
eig(A - L*C)
Python (python-control)
import numpy as np
import control as ct

# G(s) = (4) / (s^2 + 2s + 4)의 가제어 표준형
# (tf2ss와 ss(G)는 다른 상태 좌표를 씁니다)
A = np.array([[0, 1], [-4, -2]])
B = np.array([[0], [1]])
C = np.array([[4, 0]])
D = np.array([[0]])
sys = ct.ss(A, B, C, D)
print(np.linalg.eigvals(A))
print(ct.ss2tf(sys))
Mc = ct.ctrb(A, B); print(np.linalg.matrix_rank(Mc), np.linalg.det(Mc))
Mo = ct.obsv(A, C); print(np.linalg.matrix_rank(Mo), np.linalg.det(Mo))
K = ct.acker(A, B, [-2+2j, -2-2j])
N = 1 / (D - (C - D @ K) @ np.linalg.solve(A - B @ K, B))
T = ct.ss(A - B @ K, B @ N, C - D @ K, D @ N)
print(K, N, ct.step_info(T))
L = ct.acker(A.T, C.T, [-6, -6]).T
print(L, np.linalg.eigvals(A - L @ C))

MATLAB은 Control System Toolbox, Python은 python-control 0.10 이상(pip install control)을 사용합니다.

무엇을 계산하나

이 계산기가 계산하는 것

상태가 네 개 이하인 단일 입력·단일 출력 모델 ẋ = Ax + Bu, y = Cx + Du입니다. 전달함수를 입력하면 강의실의 약속대로 A의 맨 아래 행에 −a₀ … −aₙ₋₁, B = [0 … 0 1]ᵀ인 가제어 표준형으로 먼저 옮깁니다.

기본 예제는 상태 피드백 설계·관측기 설계 강의의 위치 구동계이며, 두 강의의 풀이 예제를 그대로 재현합니다. det M_c = −1, 극점 −2 ± 2j와 −10에 대한 K = [80, 35, 11](표준형 좌표에서는 K̄ = [80, 46, 11]), det M_o = 1, 관측기 극점 셋을 −6에 둔 L = [15, 61, 64]ᵀ입니다.

결과 읽기

결과를 읽는 법

  • A의 고유값이 개루프 극점입니다. 전달함수는 C(sI − A)⁻¹B + D이며, 제어가능하지 않거나 관측가능하지 않은 모드는 전달함수에서 상쇄되어 보이지 않습니다. 그래서 두 판별이 모두 필요합니다.
  • 제어가능하다는 것은 M_c = [B AB … Aⁿ⁻¹B]의 rank가 n이라는 뜻입니다. rank가 모자라면 입력으로 움직일 수 없는 모드를 PBH 판별로 찾아 보여 줍니다. 어떤 상태 피드백으로도 이 모드는 옮길 수 없습니다. 관측가능성은 [C; CA; …]에 같은 판별을 적용합니다.
  • 애커만 공식 K = [0 … 0 1]·M_c⁻¹·φ(A)는 u = −Kx + N·r에서 A − BK의 고유값을 고른 극점에 놓고, N은 y가 r에 정착하게 합니다. 관측기 이득 L은 (Aᵀ, Cᵀ)에 같은 공식을 적용해 구하며 A − LC의 고유값을 배치합니다.
계산 방법

계산 방법과 약속

  • 특성다항식은 정수 행렬에서 정확한 Faddeev–LeVerrier 점화식으로, G(s)의 분자는 MATLAB ss2tf처럼 det(sI − A + BC) − det(sI − A) + D·det(sI − A)로 구합니다. 고유값은 균형화와 QR 반복으로 구합니다.
  • rank는 각 열의 길이를 1로 맞춘 뒤 특이값으로 정하며, 가장 큰 특이값의 10⁻¹⁰배보다 작은 특이값은 0으로 봅니다. 모든 이득은 A − BK와 A − LC의 고유값을 다시 계산해 확인하고, 요청한 극점 옆에 함께 보여 줍니다.
  • 폐루프 계단응답은 한 걸음씩 적분하지 않고 행렬 지수로 매 샘플에서 정확히 계산하며, 상승시간·오버슈트·정착시간은 계단응답 계산기와 같은 정의를 씁니다.
한계

입력과 출력은 하나씩이고 상태는 네 개까지입니다. 애커만 공식은 이론적으로 정확하지만 M_c가 특이행렬에 가까우면 정확도가 떨어집니다. 큰 모델에는 수치적으로 더 안전한 MATLAB place가 낫지만, place는 극점이 서로 달라야 합니다. 이 계산기에서는 관측기 극점 셋을 모두 −6에 두는 것처럼 겹치는 극점도 쓸 수 있습니다.