확률적 데이터 기반 이중선형 시스템 제어를 위한 종단 보증 알고리즘

초록

본 논문은 확률적 잡음이 섞인 i.i.d. 데이터로부터 이중선형(bilinear) 시스템을 식별하고, 식별 오차를 정량화한 뒤 이를 활용한 강인 제어 설계까지 일관된 종단 보증을 제공한다. 선형·아핀 식별 문제로 분해한 새로운 식별 절차와, 사전·사후(데이터‑종속) 오차 경계, 그리고 이 경계를 이용한 LMI 기반 강인 컨트롤러 설계를 제시한다. 또한 Koopman 연산자를 통한 비선형 시스템 확장 가능성을 논의한다.

상세 분석

이 논문은 이중선형 시스템 (x_{k+1}=Ax_k+B_0u_k+\sum_{i=1}^{n_u}u_k^{(i)}A_i x_k+w_k) 의 파라미터 식별과 제어를 하나의 프레임워크로 통합한다는 점에서 혁신적이다. 가장 큰 기술적 공헌은 (1) 입력 설계에 의해 비선형 식별을 (n_u+1) 개의 선형·아핀 식별 문제로 변환하고, (2) 각 문제에 대해 OLS 추정량의 고확률 개별 오차 경계를 비독립 i.i.d. 샘플 가정 하에 엄밀히 도출한 점이다. 기존 연구는 전체 매트릭스에 대한 단일 상한만 제공하거나, 안정성 가정에 크게 의존했지만, 여기서는 (|A-\hat A|_2,|B_i-\hat B_i|_2) 와 같은 개별 행렬 오차를 구조적으로 표현한 타원형 경계(ellipsoidal bound)를 제시한다.

오차 경계는 두 종류로 나뉜다. 첫 번째는 문제 파라미터(시스템 차원, 입력 차원, 샘플 수 (T_i), 잡음 서브가우시안 파라미터 (\sigma_w), 상태 서브가우시안 파라미터 (\sigma_x) 등)에 대한 사전식(a priori) 형태이며, 이는 설계 단계에서 샘플 복잡도 요구량을 예측하는 데 활용된다. 두 번째는 실제 수집된 데이터 행렬을 이용해 계산 가능한 데이터‑종속(data‑dependent) 형태로, 보수성을 크게 낮춘다. 특히 아핀 식별 문제에서 발생하는 결정적 부분과 확률적 부분을 각각 대칭 행렬 특성과 반농축(anti‑concentration) 부등식으로 분리 분석함으로써, 기존 선형 시스템에서만 가능한 개별 경계를 이중선형 시스템에도 적용할 수 있게 했다.

식별 오차 경계를 제어 설계에 직접 삽입하는 방법도 눈에 띈다. 논문은 LMI 기반 강인 제어 설계에 오차 타원을 불확실성 집합으로 매핑하고, 이를 통해 닫힌 루프가 지수적으로 안정함을 보장한다. 이때 사용된 강인 제어 기법은 기존의 LMI 기반 지역선형화와 달리, 식별 오차가 상태·입력에 비례하는 구조를 그대로 반영한다는 점에서 실용적이다. 또한, 식별 단계에서 선택된 입력(제로 입력 및 표준 기저 입력)과 샘플링 전략(다중 궤적에서 i.i.d. 상태 샘플 확보)도 제어 보증에 필수적인 가정으로 명시되어 있다.

마지막으로, 논문은 이 결과를 Koopman 연산자 이론과 연결한다. 이중선형 시스템이 고차원 선형화(예: Carleman 선형화)와 동일시될 수 있음을 이용해, 제시된 식별·제어 프레임워크가 보다 일반적인 비선형 시스템에도 적용 가능함을 시사한다. 이는 데이터‑구동 제어가 비선형 시스템에 적용될 때 흔히 마주치는 모델 불확실성 문제를 통계적 학습 이론과 강인 제어가 결합된 형태로 해결할 수 있음을 의미한다.

전반적으로 이 논문은 (i) 비선형 식별을 선형·아핀 문제로 변환하는 입력 설계, (ii) 고확률 개별 오차 경계의 비대칭(ellipsoidal) 표현, (iii) 오차 경계를 직접 활용한 강인 LMI 제어 설계, (iv) Koopman 연산자를 통한 확장 가능성이라는 네 축을 통해, 확률적 데이터에 기반한 이중선형 시스템 제어에 대한 최초의 종단 보증을 제공한다.