17.44 선형화 모델을 이용한 안정성 해석

1. 개요

선형화된 동역학 모델은 로봇 시스템의 국소적 안정성을 체계적으로 분석할 수 있는 강력한 수단을 제공한다. 비선형 시스템의 완전한 안정성 해석은 리아푸노프 방법과 같은 직접적 기법을 요구하지만, 평형점이나 공칭 궤적 근방에서의 거동은 선형 근사를 통해 고전적 선형 안정성 이론의 풍부한 도구로 평가될 수 있다. 본 절은 선형 시불변 시스템의 고유치 기반 안정성 판정, 리아푸노프 방정식, 시변 선형 시스템의 상태 전이 행렬과 균일 지수 안정성, 주파수 영역 안정성 기준, 강인 안정성, 폐회로 안정성, 선형화 해석의 타당 범위를 체계적으로 정리한다.

2. 선형 시불변 시스템의 안정성 판정

평형점 주변에서 선형화된 방정식 $\delta\dot{\mathbf{x}} = \mathbf{A}\,\delta\mathbf{x}$ 의 안정성은 행렬 $\mathbf{A}$ 의 고유치로 결정된다. 모든 고유치가 좌반평면에 위치하면 시스템은 지수적으로 점근 안정하며, 하나라도 우반평면에 있으면 불안정하다. 허수 축 위의 고유치가 단순한 경우 시스템은 안정하지만 점근적이지는 않다. 이 판정 결과는 하틀만-그로브만(Hartman-Grobman) 정리에 의해 비선형 원시 시스템의 국소적 위상 초상과 질적으로 일치하므로, 원래 비선형 시스템의 평형점 안정성에 대한 신뢰할 수 있는 결론을 제공한다.

3. 리아푸노프 방정식과 이차 형식

선형 시스템의 점근 안정성은 다음의 리아푸노프 방정식을 통해서도 특성화된다.

$\mathbf{A}^\top \mathbf{P} + \mathbf{P}\mathbf{A} = -\mathbf{Q}$

여기서 $\mathbf{Q}$ 가 양정치라면, $\mathbf{A}$ 가 후르비츠일 때 유일한 양정치 해 $\mathbf{P}$ 가 존재한다. 이차 리아푸노프 함수 $V(\delta\mathbf{x}) = \delta\mathbf{x}^\top \mathbf{P}\,\delta\mathbf{x}$ 는 궤적을 따라 감소하며, $\dot{V} = -\delta\mathbf{x}^\top \mathbf{Q}\,\delta\mathbf{x} < 0$ 를 만족한다. 이 구조는 수축 속도의 정량적 평가와 성능 지표의 해석적 도출을 가능하게 한다.

로봇 평형점의 물리적 해석

로봇 동역학의 평형점 선형화에서 얻어지는 $\mathbf{A}$ 는 중력의 자세 의존 강성 $\mathbf{K}_g = \partial g/\partial q$ 와 마찰의 속도 의존 감쇠 $\mathbf{D}_f = \partial \tau_f/\partial \dot{q}$ 를 핵심 블록으로 포함한다. 강성이 양정치이고 감쇠가 양정치이면 평형점은 지수 안정하며, 반대로 $\mathbf{K}_g$ 가 부정치 고유치를 가지면 평형점은 안장점 또는 불안정점이 되어 수직 방향 상향 자세와 같은 구성을 물리적으로 특징짓는다. 이러한 해석은 로봇의 각 자세가 내재적으로 안정한지 여부를 직접 판정하는 수단을 제공한다.

폐회로 선형화와 제어기 안정성

피드백 제어기가 포함된 폐회로 시스템은 $\delta\dot{\mathbf{x}} = (\mathbf{A} - \mathbf{B}\mathbf{K})\,\delta\mathbf{x}$ 의 형태로 기술되며, 여기서 $\mathbf{K}$ 는 상태 피드백 이득이다. 극점 배치, LQR, $H_\infty$ 설계 등으로 얻어진 $\mathbf{K}$ 의 안정성은 $\mathbf{A} - \mathbf{B}\mathbf{K}$ 의 고유치를 확인하여 판정된다. LQR 설계는 리카티 방정식의 해 $\mathbf{P}$ 를 통해 $\mathbf{K} = \mathbf{R}^{-1}\mathbf{B}^\top \mathbf{P}$ 를 산출하며, 이 폐회로는 구조적으로 안정성을 보장한다.

시변 선형 시스템의 상태 전이 행렬

공칭 궤적 주변의 시변 선형화 $\delta\dot{\mathbf{x}} = \mathbf{A}(t)\,\delta\mathbf{x}$ 는 시불변 시스템의 고유치 분석이 직접 적용되지 않는다. 이 경우 상태 전이 행렬 $\mathbf{\Phi}(t,t_0)$ 가 핵심 도구가 되며, 다음 방정식을 만족한다.

$\frac{\partial}{\partial t}\mathbf{\Phi}(t,t_0) = \mathbf{A}(t)\,\mathbf{\Phi}(t,t_0),\qquad \mathbf{\Phi}(t_0,t_0) = I$

궤적의 안정성은 $\mathbf{\Phi}(t,t_0)$ 의 노름이 지수적으로 감쇠하는지 여부로 판단된다. 균일 지수 안정성은 모든 초기 시점에 대해 동일한 감쇠율이 성립함을 의미하며, 이는 시변 리아푸노프 함수 $V(\delta\mathbf{x},t) = \delta\mathbf{x}^\top \mathbf{P}(t)\,\delta\mathbf{x}$ 를 통해 점검될 수 있다.

4. 동결 시스템 근사와 느린 매개변수

궤적 매개변수가 느리게 변화할 때, 각 시점에서 $\mathbf{A}(t)$ 를 시불변으로 간주하여 고유치를 평가하는 동결 시스템(frozen-time) 근사가 종종 사용된다. 모든 동결 시점에서 고유치가 좌반평면에 위치한다는 조건은 국소적 안정성의 필요조건이지만 충분조건은 아니다. 시변 속도가 빠를 경우 각 시점에서 안정함에도 전체 시스템이 불안정한 Vinograd 반례가 존재하며, 이 때문에 균일 안정성의 엄밀한 판정에는 시변 이론이 요구된다.

5. 주파수 영역 안정성 기준

선형 시불변 시스템에 대해서는 주파수 영역 기법이 폭넓게 활용된다. 나이퀴스트 판정법은 개회로 주파수 응답의 회전수를 통해 폐회로 안정성을 평가하며, 보드 선도의 이득 여유와 위상 여유는 안정성의 정량적 예비를 제공한다. 로봇의 경우 관절 유연성이나 링크 탄성에 기인한 공진이 주파수 응답에 뚜렷한 피크로 나타나며, 위상 여유는 이러한 공진 근처에서 급격히 감소하므로 주의가 필요하다. 공위치 구조에서는 수동성 덕분에 자연스러운 안정 특성이 유지되는 반면, 비공위치 구조에서는 더 세심한 설계가 요구된다.

6. 강인 안정성과 불확실성

실제 로봇은 매개변수 불확실성과 미모델링 오차를 동반하며, 명목 선형화 모델에 기반한 안정성 판정만으로는 충분하지 않다. 강인 안정성 이론은 불확실성이 $\mathbf{A}(\Delta) = \mathbf{A}_0 + \sum_i \Delta_i \mathbf{A}_i$ 와 같이 구조적으로 기술될 때 모든 허용 $\Delta$ 에 대해 시스템이 안정함을 보장하는 조건을 제공한다. 이차 안정성은 공통 리아푸노프 함수 $V = \mathbf{x}^\top \mathbf{P}\mathbf{x}$ 가 존재한다는 LMI 조건으로 특성화되며, $\mu$ -해석은 구조적 특이값을 통해 강인 안정성과 강인 성능을 통합 평가한다. Kharitonov 정리는 구간 다항식의 안정성 조건을 네 개의 극단 다항식만으로 판정할 수 있게 해 주며, 선형화 모델의 매개변수 불확실성 분석에서 유용하다.

7. 리아푸노프 기반 안정 영역 추정

국소 안정성은 평형점 부근의 충분히 작은 영역에서만 보장된다. 리아푸노프 함수의 레벨 집합 $\{\mathbf{x} \,\vert\, V(\mathbf{x}) \le c\}$ 가 안정 영역 내부에 포함되도록 $c$ 를 선정하면, 해당 집합 내 모든 초기 상태가 평형점으로 수렴함이 보장된다. 가장 큰 보장 가능 $c$ 를 탐색하는 것은 흡인 영역(region of attraction) 추정 문제이며, 다항식 SOS(sum-of-squares) 기법이나 격자 탐색 기법이 사용된다. 이러한 추정은 선형화 모델의 유효 범위를 정량화하고, 제어기 설계의 안전 한계를 제시한다.

8. 이산 시간 안정성 판정

이산 시간 선형화 $\delta\mathbf{x}_{k+1} = \mathbf{A}_d\,\delta\mathbf{x}_k$ 의 안정성은 $\mathbf{A}_d$ 의 고유치가 단위원 내부에 있을 때 보장된다. 이는 다음의 이산 리아푸노프 방정식과 동치이다.

$\mathbf{A}_d^\top \mathbf{P}\mathbf{A}_d - \mathbf{P} = -\mathbf{Q}$

디지털 제어 구현에서 샘플링 지연과 양자화는 이산 시스템의 안정성에 영향을 미치며, 높은 샘플링 주기가 연속 시스템의 안정성을 근사적으로 유지하는 반면 큰 샘플링 주기는 명목 안정 시스템을 불안정하게 만들 수 있다.

본 절의 의의

본 절은 선형화 모델을 바탕으로 로봇 시스템의 안정성을 판정하는 이론적 도구와 실무적 기준을 체계적으로 제시한다. 고유치 기반 판정, 리아푸노프 방정식, 시변 시스템의 상태 전이 해석, 주파수 영역 기준, 강인 안정성, 흡인 영역 추정은 모두 선형 이론이 제공하는 안정성 평가 수단이다. 이러한 도구는 앞서 얻어진 선형화 모델의 구체적 활용을 보여 주며, 후속 절에서 다룰 실시간 연산 기법과 제어 설계의 수학적 기반이 된다.

학습 권장사항

독자는 2자유도 매니퓰레이터의 정지 평형점 두 개(수직 하향과 수직 상향)에서 선형화 행렬의 고유치를 계산하여 안정성이 자세에 따라 어떻게 달라지는지 직접 확인해 볼 것을 권장한다. 계산 토크 제어기 또는 PD 제어기를 포함한 폐회로 시스템의 고유치를 비교하면 제어기의 안정화 효과를 정량적으로 파악할 수 있다. 또한 시변 선형화로부터 공칭 궤적을 따르는 상태 전이 행렬을 수치적으로 적분하여 궤적의 균일 지수 안정성을 점검하는 실습은 시변 이론의 실무적 이해를 돕는다.

참고 문헌

Khalil, H. K. (2002). Nonlinear Systems (3rd ed.). Prentice Hall.
Chen, C.-T. (1999). Linear System Theory and Design (3rd ed.). Oxford University Press.
Zhou, K., Doyle, J. C., & Glover, K. (1996). Robust and Optimal Control. Prentice Hall.
Boyd, S., El Ghaoui, L., Feron, E., & Balakrishnan, V. (1994). Linear Matrix Inequalities in System and Control Theory. SIAM.
Rugh, W. J. (1996). Linear System Theory (2nd ed.). Prentice Hall.
Kharitonov, V. L. (1978). Asymptotic stability of an equilibrium position of a family of systems of linear differential equations. Differentsial’nye Uravneniya, 14(11), 2086–2088.
Tedrake, R. (2023). Underactuated Robotics: Algorithms for Walking, Running, Swimming, Flying, and Manipulation. MIT Course Notes.

version: 1.0