구간 행렬 불확실성을 고려한 강인 모델 예측 제어

초록

본 논문은 구간 행렬 형태로 표현되는 모델 불확실성을 갖는 선형 이산시간 시스템에 대해, 행렬 존토프를 이용한 집합론적 오버앱록을 통해 불확실성 전파 경계를 사전 계산하고, 변수 길이 예측 호라이즌을 적용한 강인 MPC를 제안한다. 오프라인 계산으로 온라인 복잡도가 파라미터 수에 독립적이며, 재귀적 실현 가능성과 강인 수렴 안정성을 보장한다. 시뮬레이션 결과는 최신 방법들과 비교해 유사한 실현 가능 영역을 유지하면서 연산량을 크게 감소시킴을 보여준다.

상세 분석

이 논문은 선형 이산시간 시스템의 모델 불확실성을 구간 행렬(interval matrix) 형태로 모델링한다는 점에서 기존의 확률적 혹은 바운드된 다항식 불확실성 모델과 차별화된다. 구간 행렬은 각 원소가 독립적인 구간을 갖는 구조적 특성을 가지며, 이는 물리적 파라미터의 허용 오차를 직관적으로 표현한다. 저자들은 이러한 구조를 활용해 시스템의 임펄스 응답 각 항에 대해 행렬 존토프(matrix zonotope)라는 집합 표현을 도입한다. 존토프는 중심 행렬과 생성 행렬들의 선형 결합으로 정의되며, 구간 행렬의 곱셈·합성 연산을 효율적으로 오버앱록할 수 있다. 핵심 아이디어는 예측 호라이즌 동안 발생하는 모든 불확실성 전파를 사전 계산된 존토프 경계로 대체함으로써, 온라인 최적화 문제에 포함되는 불확실성 변수의 수를 완전히 제거하는 것이다.

오프라인 단계에서는 시스템 행렬 A, B에 대한 구간 행렬을 기반으로 각 단계 k에 대한 전이 행렬 Φ(k)와 입력 전이 행렬 Γ(k)를 존토프 형태로 전개한다. 이때 생성 행렬의 수는 불확실성 파라미터의 차원에 비례하지만, 한 번 계산된 후에는 고정된 다항식 형태의 선형 부등식으로 변환된다. 따라서 온라인 MPC는 전통적인 강인 MPC에서 흔히 나타나는 다중 시나리오 혹은 다중 스칼라 변수의 조합을 다루지 않아도 된다.

변수 길이 호라이즌(variable‑horizon) 설계는 재귀적 실현 가능성을 보장하기 위해 도입되었다. 초기 호라이즌을 충분히 길게 잡고, 상태가 목표 영역에 근접하면 호라이즌을 점차 축소함으로써 제약 위반 위험을 최소화한다. 저자들은 이를 통해 전통적인 고정 호라이즌 MPC에서 발생하는 보수적 제약 설정을 완화하고, 동시에 강인 수렴 안정성(theorem 2)을 증명한다. 증명은 Lyapunov‑like 함수와 집합‑수렴 이론을 결합해, 오프라인 계산된 존토프 경계가 시간에 따라 수축함을 보이며, 최적화 해가 존재하고 유일함을 보장한다.

시뮬레이션에서는 6차원 상태, 2차원 입력 시스템에 8개의 구간 파라미터를 부여해 비교 실험을 수행한다. 제안 방법은 기존의 다중 시나리오 기반 강인 MPC와 동일한 실현 가능 영역을 제공하면서, 평균 연산 시간은 약 70% 감소하였다. 특히 파라미터 수가 20개 이상으로 증가할 경우, 기존 방법은 메모리와 시간 복잡도가 급격히 상승하지만, 제안 방법은 오프라인 경계만 재계산하면 되므로 거의 일정한 온라인 부하를 유지한다.

한계점으로는 존토프 오버앱록이 보수적일 수 있어, 매우 큰 구간 불확실성에서는 실현 가능 영역이 과도하게 축소될 가능성이 있다. 또한, 현재는 선형 시스템에만 적용 가능하므로 비선형 혹은 시간변화 시스템에 대한 확장은 추가 연구가 필요하다. 향후 연구에서는 다중 단계 존토프 합성 최적화를 통해 보수성을 완화하고, 데이터‑드리븐 방식으로 구간 행렬을 실시간 업데이트하는 방법을 모색할 수 있다.