Feedback Linearization

• 다른 이름: exact linearization, nonlinear dynamic inversion, NDI
• 카테고리: Control › Feedback control
• 태그: nonlinear-control, model-based-control, manipulator-control, dynamics, trajectory-tracking

시스템 모델을 사용해 상태 피드백으로 비선형성을 상쇄하여, 그 결과에 표준적인 선형 제어 설계를 적용할 수 있게 하는 비선형 제어 기법.

정의

피드백 선형화(feedback linearization)는 비선형 시스템을 대수적으로 선형 시스템으로 변환하여 제어하는 방법이다. 제어기는 동역학 모델을 사용해 비선형 항을 상쇄하는 입력을 계산하고 새로운 가상 입력을 도입하며, 이 가상 입력을 통해 폐루프 시스템은 단순한 선형 시스템, 흔히 적분기의 연쇄처럼 동작한다. 그런 다음 이 선형 시스템에 대해 비례-미분 법칙이나 극점 배치 같은 일반적인 선형 제어기를 설계한다. 동작점 주변의 선형화와 달리, 상쇄는 모델이 성립하는 모든 곳에서 정확하다.

로봇공학에서 가장 익숙한 사례는 로봇 암을 위한 계산 토크 제어(computed torque control)다. 로봇 암의 강체 동역학은 M(q)q̈ + C(q, q̇)q̇ + g(q) = τ이다. 토크를 τ = M(q)v + C(q, q̇)q̇ + g(q)로 선택하면 관성, 코리올리, 중력 항이 상쇄되고 모든 관절에 대해 q̈ = v만 남는다. 새 입력 v는 관절 위치 및 속도 오차에 대한 PD 법칙에 원하는 가속도를 더한 것일 수 있으며, 그러면 원하는 응답에 맞게 이득을 직접 고를 수 있는, 서로 분리된 선형 오차 동역학이 얻어진다. 작업 공간 제어(operational space control)는 같은 아이디어를 엔드 이펙터 좌표계에 적용한다.

이론은 상태 전체를 선형으로 만드는 입력-상태 선형화와, 입력과 선택한 출력 사이의 관계만 선형화하는 입력-출력 선형화를 구분한다. 입력-출력의 경우에는 입력이 나타날 때까지 출력을 미분하며, 그 미분 횟수가 상대 차수다. 상대 차수가 시스템 차수보다 낮으면 동역학의 일부, 즉 내부 동역학 또는 영 동역학(zero dynamics)이 출력에서 보이지 않게 되며, 이 방법이 작동하려면 그 부분이 안정해야 한다. 그것이 불안정한 시스템을 비최소 위상(non-minimum phase) 시스템이라고 한다.

주된 약점은 모델 의존성이다. 상쇄는 모델이 정확할 때만 정확하다. 질량, 마찰, 액추에이터 거동의 오차는 잔여 비선형성을 남기며, 선형 외부 루프가 이를 흡수해야 한다. 실용적인 제어기는 강인 항이나 적응 항, 적분 동작, 또는 잔여 동역학의 학습된 모델을 추가한다. 필요한 토크가 액추에이터가 낼 수 있는 범위를 넘으면 입력 포화도 상쇄를 깨뜨릴 수 있다.

중요한 이유

피드백 선형화는 비선형 로봇 동역학을 선형 제어의 방대한 도구 상자와 연결한다. 그래서 계산 토크 제어가 여전히 로봇 암의 표준 방법이며, 많은 보행 및 공중 로봇 제어기가 같은 아이디어를 사용한다. 그 가정을 이해하면 모델 기반 제어기가 왜 정밀하게 추종할 수 있는지, 그리고 모델이 틀렸을 때 왜 성능이 떨어지는지를 모두 설명할 수 있다.

주요 응용

• 계산 토크 제어 — 로봇 암의 궤적 추종
• 작업 공간 제어 — 작업 좌표계에서 엔드 이펙터의 운동과 힘을 제어
• 쿼드로터 제어 — 추종을 위해 비선형 자세 및 추력 동역학을 상쇄
• 이족 보행 — 하이브리드 영 동역학(hybrid zero dynamics) 제어기에서 선택한 출력을 선형화
• 이동 로봇 경로 추종 — 바퀴형 차량의 기구학 모델을 선형화

실제 사례

로봇 암을 제어하는 팀은 보통 Pinocchio나 RBDL 같은 강체 동역학 라이브러리로 URDF에서 동역학 모델을 구성하고, 시험 동작으로부터 관성 및 마찰 파라미터를 식별한 뒤, 관절 토크 수준의 실시간 루프에서 계산 토크 제어를 구현한다. 그런 다음 원하는 강성과 감쇠를 얻도록 각 관절의 외부 PD 이득을 튜닝하고, 명령 토크와 측정 토크를 비교하여 모델이 부정확한 곳을 찾는다. 고속이나 부하 상태에서 추종 성능이 떨어지면, 단순히 피드백 이득을 올리는 대신 모델을 다듬거나 마찰 보상을 추가하거나 학습된 잔차 항을 추가한다.

흔한 오해

• 피드백 선형화는 동작점 주변의 선형화와 같다 — 한 점 근처에서 근사하는 대신 전체 모델을 사용해 한 영역에 걸쳐 비선형성을 정확히 상쇄한다
• 폐루프가 선형이므로 결과가 강인하다 — 정확한 모델에 의존하며, 모델 오차는 상쇄되지 않은 비선형 항을 남긴다
• 모든 비선형 시스템은 피드백 선형화할 수 있다 — 시스템 구조에 대한 조건이 성립해야 하며, 비최소 위상 시스템은 직접 다룰 수 없다
• 피드백 이득을 높이면 모델 오차가 해결된다 — 오차를 가릴 수는 있지만 노이즈를 증폭하고 모델링되지 않은 유연성을 가진한다. 보통은 모델을 개선하는 편이 더 효과적이다

알아야 할 사람

• 로봇 암과 보행 로봇을 다루는 제어 엔지니어
• 비선형 제어와 모델 기반 제어를 배우는 로봇공학 학생
• 드론 비행 컨트롤러 개발자
• 학습된 모델과 모델 기반 제어를 결합하는 연구자

관련 기술

• 계산 토크 제어(Computed Torque Control)
• 작업 공간 제어(Operational Space Control)
• Pinocchio
• 미분 평탄성(Differential Flatness)
• 적응 제어(Adaptive Control)
• 슬라이딩 모드 제어(Sliding Mode Control)

관련 용어

• Differential Flatness
• PID Controller
• Torque Control
• Model Predictive Control

관련 프로젝트

• Drake: MIT robotics toolbox for model-based dynamics, optimization, and control system design
• DART: C++ physics engine for articulated rigid body dynamics and robotics simulation
• frax: JAX library for fast, differentiable robot kinematics, dynamics and inverse kinematics

동영상

• Easy Introduction to Feedback Linearization - Control Engineering Tutorials: Aleksandar Haber PhD