정규화 모델 예측 제어: 리카티 방정식 기반 설계 행렬 동적 업데이트

초록

**
본 논문은 전통적인 고정 가중치 행렬을 사용하는 MPC의 한계를 극복하고자, 페널티가 적용된 최소제곱(PLS) 접근법을 통해 설계 행렬을 리카티 방정식으로 매 시점마다 정규화 항으로 갱신하는 정규화 MPC(Re‑MPC) 알고리즘을 제안한다. 수렴·안정성 이론을 증명하고, 수치 실험을 통해 기존 방법 대비 향상된 상태 조절 및 제어 효율성을 확인하였다.

**

상세 분석

**
이 연구는 선형 시불변(LTI) 시스템에 대한 전통적 MPC가 비용 가중치 행렬 (Q,R,P) 을 고정하고, 따라서 시스템 동작이나 외란 변화에 적응하지 못한다는 근본적인 문제를 지적한다. 저자들은 이를 해결하기 위해 두 단계의 핵심 아이디어를 도입한다. 첫 번째는 penalized least‑squares (PLS) 프레임워크로, 제약식 (F\eta=\phi) 을 큰 페널티 파라미터 (\mu) 로 변형해 무제약 최소제곱 문제로 전환한다. 이 과정에서 Lemma 1·2를 이용해 해의 존재와 유일성을 보장하고, (\mu\to\infty) 일 때 원래 제약식과 동일한 해를 얻는다. 두 번째는 리카티 방정식을 재귀적으로 구성해, 매 시간 단계마다 설계 행렬 (H_1) (즉, 가중치 행렬의 조합)을 정규화 항으로 갱신한다는 점이다. 구체적으로, 확대된 시스템 행렬 (\bar A,\bar B) 와 가중치 행렬 (\bar Q,\bar R) 을 정의하고, 최적 제어 입력을 (\bar U_k^* = K_k x_k) 형태로 얻는다. 여기서 (K_k) 는 (13)식에 의해 계산되는 피드백 이득이며, 이는 기존 LQR의 리카티 해와 구조적으로 유사하지만, 매 horizon shift마다 (H_1) 이 (K_k) 에 의해 업데이트되는 점이 차별점이다.

안정성 분석에서는 controllability와 detectability 가정 하에, 재귀식 (P_{k+l-1}=K_k^\top H_1 K_k+Q+\mu R^\top R) 가 양정(positive‑definite)임을 보이며, 강한 귀납법과 모순에 의한 증명을 통해 수렴과 폐루프 안정성을 확보한다. 또한, 제약이 활성화될 경우(불평등 제약)에는 MATLAB fmincon을 이용한 수치 해법을 제시하면서도, 정규화 항이 사라지는 (\mu\to\infty) 극한에서 정확한 해를 복원한다는 점을 강조한다.

알고리즘 1은 초기화 → 확대 행렬 구성 → 피드백 이득 계산 → 비용 최소화 → 상태·입력 업데이트 → 역방향으로 (P) 갱신 → (H_1) 재설정의 순환을 명확히 제시한다. 실험 결과는 전통적인 고정‑가중치 MPC와 비교해, 동일한 horizon 길이에서도 더 빠른 수렴, 낮은 제어 에너지, 제약 만족률 향상을 보여준다. 특히, 큰 (\mu) 값이 알고리즘의 수렴성에 영향을 주지 않으며, 실제 온라인 적용 시 연산량이 크게 증가하지 않는다는 실용적 장점도 입증한다.

이 논문의 주요 공헌은 (1) PLS 기반으로 제약을 부드럽게 처리하는 새로운 최적화 변환, (2) 리카티 방정식을 이용해 설계 행렬을 동적으로 정규화하는 메커니즘, (3) 수학적 증명을 통한 안정성·수렴성 보장, (4) 알고리즘 구현과 수치 검증을 통한 실제 적용 가능성 제시이다. 향후 연구에서는 비선형·불확실 시스템에 대한 확장, 그리고 강화학습과 결합한 자동 가중치 튜닝 전략이 기대된다.

**