주기적 시간변화 시스템의 안정적 역변환을 위한 사이클릭 재구성 기법

초록

본 논문은 이산시간 선형 주기적 시간변화(LPTV) 시스템에 대해 사이클릭 재구성을 이용해 등가 LTI 형태로 변환한 뒤, 기존 LTI 역변환 이론을 적용하여 실시간·실수값·인과적 역시스템을 얻는 체계적인 방법을 제시한다. 상대 차수 0인 경우와 r≥1인 경우에 대한 명시적 폐쇄형 식을 제공하고, 역시스템의 안정성은 사이클링된 플랜트의 전송 영점이 단위 원 안에 위치하는 최소 위상 조건과 동등함을 증명한다. 수치 예시를 통해 안정성 조건과 입력 재구성 정확성을 검증한다.

상세 분석

이 논문은 주기적 시간변화(Periodically Time‑Varying, LPTV) 시스템의 역제어 문제를 기존의 복잡한 Floquet‑factor 기반 방법이나 N‑step 블로킹(lifting) 방식이 갖는 비인과성·복소수 연산의 한계를 극복하고자 한다. 핵심 아이디어는 ‘사이클릭 재구성(cyclic reformulation)’이라는 변환을 통해 N‑주기 LPTV 시스템을 원래 샘플링 레이트를 유지한 채 N배 확장된 상태·입력·출력 벡터로 구성된 등가 LTI 시스템(‘cycled system’)으로 바꾸는 것이다. 이 변환은 시스템 행렬을 1‑shift 블록 순환 형태로 재배열함으로써, 원 시스템의 시간‑인덱스를 위상 인덱스 i=k mod N 로 분리하고, 각 위상에 대응하는 블록을 대각선·순환 구조에 배치한다. Lemma 1에 의해 원 시스템과 사이클링된 LTI 시스템 사이의 입력‑출력 관계가 일대일 대응함을 보이며, 특히 모노드로미 행렬 Φ=A_{N‑1}…A_0 의 스펙트럼 반경과 사이클링된 Â의 스펙트럼 반경이 1/N 제곱근 관계에 있음을 이용해 안정성 분석을 단순화한다.

그 다음 단계는 전통적인 LTI 역변환 이론을 적용하는 것이다. 상대 차수 0(즉, 모든 D_k 가 정방·비특이)인 경우 Lemma 2를 그대로 사용해 Â⁻¹ = Â – B̂ D̂⁻¹ Ĉ, B̂⁻¹ = B̂ D̂⁻¹, Ĉ⁻¹ = –D̂⁻¹ Ĉ, D̂⁻¹ = D̂⁻¹ 를 얻는다. 여기서 중요한 점은 B̂ D̂⁻¹ Ĉ 와 같은 곱셈이 여전히 1‑shift 블록 순환 구조를 유지한다는 사실이다. 따라서 Â⁻¹ 역시 동일한 순환 형태를 갖게 되고, 블록‑별로 A_i⁻¹ = A_i – B_i D_i⁻¹ C_i 와 같은 명시적 식을 추출할 수 있다. 이 과정을 ‘파라미터 추출(parameter extraction)’이라 부르며, 사이클링된 역시스템의 블록을 원래 시간축으로 다시 매핑함으로써 N‑주기 역행렬 Γ_k, Λ_k, Ω_k, Π_k 를 직접 구성한다.

상대 차수 r≥1인 경우(일부 D_k=0)에는 Lemma 3의 고차 전송 영점 이론을 적용한다. 여기서는 C A^{j} B =0 (j=0,…,r‑2) 와 C A^{r‑1} B 가 비특이인 조건 하에 r‑step 지연 역시스템을 설계한다. 사이클링된 시스템에 동일한 조건을 적용하면, 마크오프 파라미터인 주기적 마코프 파라미터(Periodic Markov parameters)를 이용해 B̂ D̂⁻¹ Ĉ 의 r‑시프트 형태를 구하고, 결국 u(k) = –(C A^{r‑1} B)⁻¹ C A^{r} ζ(k) + (C A^{r‑1} B)⁻¹ y(k+r) 와 같은 폐쇄형 식을 얻는다.

안정성 분석은 사이클링된 플랜트의 전송 영점이 단위 원 안에 존재하는가 여부와 직접 연결된다. Theorem 2와 Corollary 2는 전송 영점이 Schur 안정성을 만족하면 역시스템의 모노드로미 행렬 Φ_inv = Γ_{N‑1}…Γ_0 역시 Schur 안정성을 갖는다고 증명한다. 이는 LTI 경우의 최소 위상(minimum‑phase) 조건을 LPTV 시스템에 일반화한 결과이며, 복소수 Floquet 인자 없이 실수 연산만으로 검증 가능하게 만든다.

마지막으로 논문은 두 개의 수치 예시(상대 차수 0 및 r≥1)를 통해 제시된 식의 정확성을 검증한다. 예시에서는 전송 영점이 모두 |λ|<1 인 경우에 역시스템이 실제 입력을 정확히 재구성함을 보여주며, 비최소 위상 경우에는 역시스템이 불안정해짐을 시각적으로 확인한다. 전체 흐름은 기존의 비인과적·복소수 기반 방법에 비해 구현 복잡도가 크게 낮아지고, 실시간 제어나 반복학습 제어(ILC)와 같은 실제 응용에 바로 적용 가능함을 입증한다.