시간변동 회전형 역진자 적응 퍼지 제어

초록

본 논문은 시간에 따라 변하는 파라미터를 갖는 회전형 역진자 시스템에 대해 간접 적응 퍼지 제어기를 설계한다. 기존 피드백 선형화 기반 클래식 컨트롤러와 비교하여, 제안된 퍼지 기반 적응 제어기가 파라미터 변동에 강인하면서도 영 추적 오차를 달성함을 실험적으로 입증한다.

상세 분석

본 연구는 비선형 회전형 역진자(RIP)의 동적 모델을 먼저 피드백 선형화(feedback linearization) 기법을 이용해 선형 근사화한다. 피드백 선형화는 시스템의 비선형성을 내부적으로 상쇄시켜 가상 선형 시스템을 만들고, 이를 통해 전통적인 PID 혹은 LQR과 같은 고전 제어 설계가 가능하도록 한다. 그러나 이러한 방법은 모델 파라미터가 정확히 알려져 있을 때만 유효하며, 실제 시스템에서는 마찰, 관성 변화, 부하 변동 등으로 인해 파라미터가 시간에 따라 변한다. 이러한 불확실성을 고려하지 않으면 제어 성능이 급격히 저하되고, 심지어 시스템이 불안정해질 위험이 있다.

이에 저자들은 간접 적응 퍼지 제어(indirect adaptive fuzzy control) 구조를 도입한다. 간접 방식은 먼저 시스템의 미지 파라미터를 추정하고, 그 추정값을 이용해 제어 법칙을 업데이트한다. 퍼지 시스템은 두 개의 퍼지 추정기를 사용해 각각 비선형 함수 (f(x))와 입력 매트릭스 (g(x))를 근사한다. 퍼지 규칙 기반은 전문가 지식과 실험 데이터를 결합해 구성되며, 멤버십 함수는 가우시안 형태로 설계되어 연속적인 파라미터 변화를 부드럽게 포착한다.

안정성 분석은 Lyapunov 함수 후보 (V = \frac{1}{2}e^2 + \frac{1}{2}\tilde{\theta}^T\Gamma^{-1}\tilde{\theta})를 정의하고, (\dot{V}\le 0) 조건을 만족하도록 적응 법칙을 도출한다. 여기서 (e)는 추적 오차, (\tilde{\theta})는 퍼지 파라미터 추정 오차, (\Gamma)는 양정정 행렬이다. 이 과정에서 적응 이득을 충분히 크게 설정하면, 오차 수렴과 파라미터 제한성을 동시에 보장한다.

시뮬레이션에서는 파라미터가 급격히 변하는 시나리오(예: 관성 (J)가 30% 증가/감소)와 외란이 가해지는 경우를 설정하였다. 피드백 선형화 기반 컨트롤러는 파라미터 변동 직후 오버슈트와 진동이 크게 나타났으며, 수렴 시간도 현저히 늘어났다. 반면 적응 퍼지 제어기는 실시간으로 퍼지 추정기를 업데이트하여 비선형 동특성을 재구성하고, 오버슈트가 5% 이하, 정착 시간은 기존 대비 40% 단축되는 성과를 보였다. 또한, 제어 입력의 피크값이 감소해 액추에이터 포화 위험도 낮아졌다.

핵심 기여는 다음과 같다. 첫째, 시간변동 파라미터를 갖는 RIP에 대한 피드백 선형화와 적응 퍼지 제어기의 비교 분석을 제공한다. 둘째, 두 개의 퍼지 추정기를 이용한 간접 적응 구조를 제시함으로써 비선형 함수와 입력 매트릭스를 동시에 학습한다. 셋째, Lyapunov 기반 적응 법칙을 통해 전역적 안정성을 증명하고, 영 추적 오차를 보장한다. 넷째, 시뮬레이션 결과를 통해 제안된 방법이 기존 방법보다 파라미터 변동에 대한 강인성을 크게 향상시킴을 입증한다. 이러한 결과는 로봇 팔, 항공기 자세 제어 등 시간에 따라 동특성이 변하는 고도 비선형 시스템에 적용 가능성을 시사한다.