26.23 지면 효과 보상 제어기 설계 전략

26.23 지면 효과 보상 제어기 설계 전략

1. 제어기 설계의 기본 목표와 설계 지표

지면 효과 보상 제어기 설계의 근본 목표는 저고도 비행 및 이착륙 과정에서 지면 효과로 인해 발생하는 추력 변동, 자세 교란, 상승률 불확실성을 최소화하는 데 있다. 제어기 설계 지표는 정적 지표와 동적 지표로 구분한다. 정적 지표에는 고도 정상 상태 오차, 자세 정상 상태 오차, 트림 추력 오차가 포함되며, 동적 지표에는 과도 응답 시간, 오버슈트, 외란 제거 성능이 포함된다. 자동 착륙 정밀도를 결정하는 핵심 지표는 터치다운 속도와 터치다운 지점 정밀도이며, 이는 상용 무인기 규격에서 수 센티미터 이내로 요구된다.

2. 모델링과 제어기 설계의 연계

제어기의 성능은 지면 효과 모델의 충실도에 강하게 의존한다. 설계 단계에서는 다음과 같은 계층적 모델링 방침이 사용된다. 먼저 예비 설계 단계에서는 Cheeseman-Bennett 모델 혹은 Hayden의 실험적 경험식과 같은 단순 해석 모델을 사용하여 제어 구조와 이득을 결정한다. 다음으로 상세 설계 단계에서는 풍동 시험이나 전산유체역학 해석에서 얻은 공력 지도(aerodynamic map)를 룩업 테이블로 내장하여 모델 정확도를 제고한다. 마지막으로 검증 단계에서는 실제 비행 데이터로 모델 파라미터를 재식별하고 제어기를 재조정한다. Sharf, Nahon, Harmat, Khan, Michini, Speal, Trentini, Tsadok, and Wang의 “Ground Effect Experiments and Model Validation with Draganflyer X8 Rotorcraft”(International Conference on Unmanned Aircraft Systems, 2014)는 이러한 계층적 접근의 실증 사례를 제공한다.

3. 캐스케이드 제어 구조

쿼드로터 및 헬리콥터의 표준 제어 구조는 캐스케이드 루프이다. 외측 루프는 위치와 속도를 제어하고, 내측 루프는 자세와 각속도를 제어한다. 지면 효과 보상항은 외측 루프의 수직 가속도 지령에 삽입되는 것이 일반적이다.

\ddot{h}_{ref} = \text{PID}(h_{ref}-h) + a_{GE}(h, \dot{h})

여기서 a_{GE}(h, \dot{h})는 지면 효과로 인한 예측 가속도 변화이며, 보상항으로 제어 입력에 반영된다. 이 구조는 Mellinger와 Kumar의 “Minimum Snap Trajectory Generation and Control for Quadrotors”(International Conference on Robotics and Automation, 2011)에서 체계화되었다. 내측 루프에는 자세 불안정성이 직접 전달되지 않도록 대역폭을 외측 루프보다 수 배 높게 설계한다.

피드포워드 설계와 모델 오차의 상쇄

피드포워드 보상 항 a_{GE}(h,\dot{h})의 설계에는 해석적 모델과 데이터 기반 모델의 두 가지 접근이 있다. 해석적 모델은 로터 반경 R, 기체 질량 m, 로터 수, 기체 기하 등을 입력으로 하여 다음과 같은 형식으로 표현된다.

T_{IGE}(h) = T_{OGE}\left[1 + k_1 \exp(-k_2 h/R) + k_3 (R/h)^2\right]

여기서 k_1, k_2, k_3는 식별 파라미터이다. 데이터 기반 모델은 비행 실험 혹은 시뮬레이션 결과를 사용하여 a_{GE}를 고도와 하강률의 함수로 내삽한 룩업 테이블 또는 가우스 프로세스 회귀(Gaussian Process Regression, GPR) 모형을 구성한다. McKay, Kaya, Alexis, and Fang의 “Enhancing Multirotor Flight Control through Ground Effect Compensation Using Gaussian Processes”(AIAA Guidance, Navigation, and Control Conference, 2019)와 같은 연구는 GPR 기반 보상의 유효성을 보였다.

4. 피드백 이득 설계와 안정성 해석

지면 효과 보상 제어기의 피드백 이득은 근궤적법(Root Locus), 보드 선도 기반 주파수 응답 해석, 또는 선형 2차 조절기(Linear Quadratic Regulator, LQR)에 의해 설계된다. 지면 효과는 고도 의존 공력 편미분 \partial T / \partial h로 모델링되며, 이는 시스템 행렬의 A 행렬에 고도 의존 항으로 추가되어 고도에 따라 시스템 고유값이 변화한다. 이 비선형성 때문에 전역 안정성을 보장하려면 리아푸노프(Lyapunov) 기반 비선형 제어기 설계 혹은 선형 시변 해석이 요구된다. Khalil의 “Nonlinear Systems”(Prentice Hall, 2002)는 이러한 방법론의 교과서적 정립을 제공한다.

5. 이득 스케줄링 설계 절차

이득 스케줄링 설계 절차는 다음 단계로 구성된다. 첫째, 운전 영역을 고도 구간별로 분할한다. 둘째, 각 구간에서 선형화된 시스템 모델을 얻는다. 셋째, 각 구간에 대해 LQR 또는 H_\infty 기법으로 이득을 설계한다. 넷째, 고도에 따라 이득을 매끄럽게 내삽한다. 다섯째, 전체 운전 영역에서 시뮬레이션을 통해 안정성을 검증한다. 이 절차는 Rugh와 Shamma의 “Research on Gain Scheduling”(Automatica, 2000)에서 체계적으로 정리되었으며, 지면 효과 보상 시스템 설계에 직접 적용될 수 있다.

6. 외란 관측기 설계 전략

외란 관측기(Disturbance Observer, DOB)는 제어기 출력과 실제 시스템 응답의 차이를 실시간으로 추정하고, 이를 보상 항으로 피드백하여 지면 효과를 포함한 공력 외란을 상쇄한다. DOB 설계의 핵심 파라미터는 저역 통과 필터 Q(s)의 시상수이다. 시상수가 너무 짧으면 측정 노이즈가 증폭되어 안정성이 저하되고, 너무 길면 외란 추정 속도가 느려져 보상 효과가 감소한다. 일반적으로 Q(s)의 대역폭은 내측 자세 제어 루프 대역폭의 1/3 이하로 설계된다. Chen, Yang, Guo, and Li의 “Disturbance-Observer-Based Control and Related Methods—An Overview”(IEEE Transactions on Industrial Electronics, 2016)는 DOB 기반 설계 지침을 체계화하였다.

7. 적응 제어와 파라미터 갱신

지면 효과 계수의 비행체별 변동성을 고려하여 적응 제어(adaptive control)가 도입된다. 모델 기준 적응 제어(Model Reference Adaptive Control, MRAC) 또는 확장 상태 관측기(Extended State Observer, ESO) 기반 적응 제어가 자주 사용된다. 파라미터 갱신 법칙은 리아푸노프 함수의 감소를 보장하도록 설계된다. 예를 들어, 추력 변동 계수 \hat{k}_T의 갱신 법칙은 다음과 같은 형식을 가진다.

\dot{\hat{k}}_T = -\gamma (T_{meas}-T_{cmd}) h^{-2}

여기서 \gamma는 양의 학습률이다. Ioannou와 Sun의 “Robust Adaptive Control”(Prentice Hall, 1996)은 이러한 적응 제어 이론의 기반을 제공한다.

강인 제어 설계

지면 효과 모델 불확실성과 외부 바람 외란에 대한 강인성을 확보하기 위해 슬라이딩 모드 제어(Sliding Mode Control, SMC) 또는 H_\infty 제어가 적용된다. SMC의 경우 슬라이딩 표면을 다음과 같이 설계한다.

s = \dot{e}_h + \lambda e_h

여기서 e_h = h_{ref} - h이며 \lambda > 0이다. 제어 입력은 슬라이딩 표면이 0으로 수렴하도록 불연속적인 스위칭 항을 포함한다. SMC는 외란 경계가 알려진 경우 유한 시간 수렴을 보장하나, 떨림(chattering) 현상을 회피하기 위해 준슬라이딩 모드 혹은 고차 슬라이딩 모드가 자주 사용된다. Slotine과 Li의 “Applied Nonlinear Control”(Prentice Hall, 1991)은 SMC의 표준 교과서이다.

8. 학습 기반 제어기 설계

최근에는 심층 강화 학습(Deep Reinforcement Learning) 및 메타 학습 기반의 지면 효과 보상 제어기가 제안되었다. Molchanov, Chen, Hönig, Preiss, Ayanian, and Sukhatme의 “Sim-to-(Multi)-Real: Transfer of Low-Level Robust Control Policies to Multiple Quadrotors”(International Conference on Intelligent Robots and Systems, 2019)는 시뮬레이션에서 학습된 제어 정책을 실제 기체에 전이하는 연구를 제시한다. 학습 기반 제어기는 비선형 복합 외란을 포함하는 환경에서 강점을 가지나, 안정성 보장과 인증(certification) 측면에서 전통적 제어기와의 결합이 요구된다.

9. 실시간 구현 시 고려 사항

실시간 구현 시 연산 부하, 메모리 사용량, 제어 주기 안정성을 고려해야 한다. 표준적인 쿼드로터 제어기는 100Hz에서 400Hz의 제어 주기로 동작하며, 지면 효과 보상항은 제어 주기당 수 마이크로초 이내에 계산되어야 한다. 룩업 테이블과 단순 다항식 모델은 이 요구를 쉽게 만족하나, 가우스 프로세스 회귀나 심층 신경망은 연산 최적화가 필수적이다. 또한 부동 소수점 연산의 수치적 안정성, 적분항의 와인드업(windup) 방지, 이산화 오차 보정 등도 고려 대상이다.

10. 시뮬레이션 기반 검증과 실비행 튜닝

설계된 제어기는 먼저 고충실도 시뮬레이션 환경에서 검증된 후 실비행으로 전개된다. 대표적 시뮬레이터는 Gazebo, RotorS, AirSim, PX4 SITL이다. 시뮬레이션에서는 지면 효과 모델의 파라미터를 변화시키며 제어기의 강인성을 검증한다. 실비행 튜닝 단계에서는 시뮬레이션과 실제의 격차(sim-to-real gap)를 해소하기 위해 실비행 데이터 기반 파라미터 재식별 및 제어기 이득 미세 조정이 반복적으로 수행된다.

11. 출처

  • Sharf, I., Nahon, M., Harmat, A., Khan, W., Michini, M., Speal, N., Trentini, M., Tsadok, T., and Wang, T., “Ground Effect Experiments and Model Validation with Draganflyer X8 Rotorcraft,” International Conference on Unmanned Aircraft Systems, 2014.
  • Mellinger, D., and Kumar, V., “Minimum Snap Trajectory Generation and Control for Quadrotors,” IEEE International Conference on Robotics and Automation, 2011.
  • McKay, M., Kaya, T., Alexis, K., and Fang, C., “Enhancing Multirotor Flight Control through Ground Effect Compensation Using Gaussian Processes,” AIAA Guidance, Navigation, and Control Conference, 2019.
  • Chen, W.-H., Yang, J., Guo, L., and Li, S., “Disturbance-Observer-Based Control and Related Methods—An Overview,” IEEE Transactions on Industrial Electronics, Vol. 63, No. 2, 2016.
  • Rugh, W. J., and Shamma, J. S., “Research on Gain Scheduling,” Automatica, Vol. 36, No. 10, 2000.
  • Khalil, H. K., “Nonlinear Systems,” 3rd ed., Prentice Hall, 2002.
  • Slotine, J.-J. E., and Li, W., “Applied Nonlinear Control,” Prentice Hall, 1991.
  • Ioannou, P. A., and Sun, J., “Robust Adaptive Control,” Prentice Hall, 1996.
  • Molchanov, A., Chen, T., Hönig, W., Preiss, J. A., Ayanian, N., and Sukhatme, G. S., “Sim-to-(Multi)-Real: Transfer of Low-Level Robust Control Policies to Multiple Quadrotors,” IEEE/RSJ International Conference on Intelligent Robots and Systems, 2019.

12. 버전

  • 문서 버전: v1.0
  • 작성 기준일: 2026-04-17