실시간 입력 파라미터 상태 추정을 위한 무향칼만 필터 기법

초록

본 논문은 무향칼만 필터(UKF)를 이용해 선형·비선형 시스템에서 동적 상태, 시스템 파라미터, 그리고 미지의 입력을 동시에 실시간으로 추정하는 새로운 방법을 제안한다. 각 시간 단계에서 입력을 두 차례에 걸쳐 예측·보정하고, 이를 통해 출력 전용(output‑only) 방식임에도 불구하고 시스템을 고유하게 식별할 수 있음을 교란 분석을 통해 증명한다.

상세 분석

이 연구는 기존의 출력 전용 파라미터 식별 방법이 갖는 한계를 극복하고자, 무향칼만 필터(Unscented Kalman Filter, UKF)를 기반으로 한 새로운 추정 프레임워크를 설계하였다. 핵심 아이디어는 하나의 시간 스텝 안에서 입력을 두 단계에 걸쳐 추정한다는 점이다. 첫 번째 단계에서는 현재 시점의 예측된 상태와 파라미터 값을 이용해 입력을 추정한다. 여기서 사용되는 예측값은 UKF의 sigma‑point 전파 메커니즘을 통해 비선형 시스템에서도 높은 차수의 순간을 정확히 반영한다. 두 번째 단계에서는 실제 측정값을 이용해 상태와 파라미터를 보정하고, 보정된 상태·파라미터를 다시 활용해 입력을 재추정한다. 이중 추정 구조는 입력 추정의 초기 오차를 크게 감소시키며, 동시에 상태·파라미터와 입력 간의 상호 의존성을 효과적으로 해소한다.

논문은 또한 교란 분석(perturbation analysis)을 통해 시스템 식별 가능성에 대한 이론적 근거를 제공한다. 교란 분석 결과, 입력이 전혀 없거나(제로 입력) 혹은 알려진 비제로 입력이 존재하는 경우에도, 출력 전용 관측만으로 시스템을 유일하게 식별할 수 있는 조건을 명시한다. 특히, 입력이 알려진 경우에는 시스템 매트릭스의 랭크 조건과 관측 가능성 조건이 결합되어 식별 가능성이 보장된다.

실험 부분에서는 선형 시스템과 비선형 시스템 두 가지 사례를 제시한다. 선형 사례에서는 전통적인 칼만 필터와 비교했을 때, 제안된 UKF 기반 방법이 입력·파라미터·상태를 동시에 추정함에도 불구하고 평균 제곱 오차(MSE)가 현저히 낮았다. 비선형 사례에서는 강한 비선형성을 가진 로봇 팔 모델을 대상으로, 기존의 확장 칼만 필터(EKF)와 비교했을 때, 무향 전파 특성 덕분에 수렴 속도가 빠르고, 급격한 동작 변화에도 안정적인 추정이 가능함을 확인하였다.

이와 같이, 본 논문은 출력 전용 방식이면서도 실시간으로 다중 변수(입력, 파라미터, 상태)를 추정할 수 있는 강력한 도구를 제공한다. 이는 제어 시스템 설계, 구조 건강 모니터링, 그리고 복잡한 물리·생물 시스템의 온라인 식별 등에 광범위하게 적용될 수 있다.