주요 전달함수 표준형

1차 시스템의 표준형

1차 시스템은 입력과 출력 사이의 관계를 하나의 극점으로 표현할 수 있는 전달함수를 가진다. 가장 일반적으로는 다음과 같은 형태를 표준형으로 삼는다.

$$G(s) = \frac{K}{\tau s + 1}$$

위에서 K는 DC 이득, τ는 시간상수(time constant)이다. 어떤 물리계에서 에너지가 한 번 축적되어 방출되는 과정을 간단히 모델링할 때 1차 전달함수를 많이 적용한다. 예를 들어 전기회로에서 단순한 저항-커패시터(RC) 회로, 기계계에서 댐퍼가 달린 질량-스프링 시스템에서 질량이 매우 작아 2차 성분이 사실상 무시되는 경우, 또는 유압계에서 간단한 형태로 흘러가는 유체량 등을 다룰 때 자주 사용된다.

시스템의 시간응답 특성은 시간상수 τ에 의해 결정된다. s영역에서 극점이 -1/τ 위치에 존재하므로 시스템이 가진 응답의 과도 거동은 exp(-t/τ) 형태를 따르게 된다. 만약 τ가 커지면 응답이 느려지고, τ가 작으면 응답이 빨라진다.

전달함수가 위 형태를 가진다는 것은 다음 미분방정식과 대응된다.

$$\tau \frac{d y(t)}{d t} + y(t) = K u(t)$$

여기서 u(t)는 입력, y(t)는 출력이다. 실제 제어계획 관점에서 1차 시스템은 실험적으로 측정하기도 쉽고, 다른 고차 시스템의 근사로도 자주 쓰이므로 중요한 표준형이다.

2차 시스템의 표준형

2차 시스템은 두 개의 극점을 갖는 전달함수를 갖는다. 물리적으로 질량-스프링-댐퍼 시스템이 전형적인 예이다. 2차 시스템의 대표적 표준형은 다음과 같다.

$$G(s) = \frac{\omega_n^2}{s^2 + 2 \zeta \omega_n s + \omega_n^2}$$

여기서 ω_n은 고유진동수(natural frequency), ζ는 감쇠비(damping ratio)다. 이 값들은 시스템의 자유응답과 과도응답 특성을 결정한다. 예를 들어 ζ가 1보다 작으면 언더댐핑, ζ가 1이면 임계댐핑, ζ가 1보다 크면 오버댐핑 형식으로 응답 형태가 달라진다.

고유진동수 ω_n은 2차 방정식 $s^2 + 2 \zeta \omega_n s + \omega_n^2$의 특성정수로서, 실제 시간영역 응답에서 $e^{-\zeta \omega_n t}$와 함께 진동 성분 $\sin(\sqrt{1-\zeta^2},\omega_n t)$이나 $\cos(\sqrt{1-\zeta^2},\omega_n t)$ 형태가 나타난다. ζ=0이면 감쇠가 전혀 없는 이상적인 무마찰 진동, ζ가 1이면 일정 시간 후에 한계적으로 진동이 사라지는 임계상태, 0<ζ<1에서는 진동을 동반한 지수감쇠가 발생한다.

제어계를 설계하거나 시스템을 해석할 때, 2차 시스템은 가장 기초적이면서도 중요한 표준형으로 취급된다. 고차계라도 특정 구간에서 2차 근사만으로도 주요 동특성을 잘 설명할 수 있기 때문이다. 예를 들어 항공기의 롤 동역학은 특정 축에 대해 2차 모델로 단순화하여 제어기를 설계하기도 한다.

적분성(integrator)과 미분성(differentiator) 시스템의 표준형

물리적 시스템에서 저장 요소가 많은 경우 적분 특성이 나타난다. 예를 들어 전동기의 위치 제어계에서 토크가 위치를 적분하여 회전각도로 나타내는 것이 대표적이다. 라플라스 영역에서 적분 특성은 다음과 같은 형태로 표현된다.

$$G(s) = \frac{K}{s}$$

K는 적분 이득이라고 할 수 있다. 이 전달함수는 s축 원점에 극점이 존재한다. 따라서 단위 계단 입력에 대해 시스템 출력은 시간에 따라 계속 증가(적분)한다. 설계 관점에서 적분성은 오차를 누적하여 시스템이 원하는 위치나 값으로 수렴하도록 하는 중요한 특성이지만, 고차계에서 적분 특성이 지나치게 많으면 위상 지연이 커져 안정성 문제가 발생할 수 있다.

반대로 미분 특성은 입력 변화량에 민감하게 반응한다. 라플라스 영역에서 순수 미분기는 아래와 같이 표현된다.

$$G(s) = K s$$

여기서 순수 미분은 물리적으로 이상적인 모델이다. 실제로는 매우 빠른 변화에 무한대에 가까운 출력을 내는 비현실성이 있으므로, 보통 실제 제어기에서는 저주파에서 미분에 가깝되 고주파에서는 이득이 제한되도록 필터 등을 병렬 연결하여 사용한다.

PD, PI, PID 제어기의 표준형

제어공학에서 가장 널리 쓰이는 제어기로 비례-미분(PD), 비례-적분(PI), 비례-적분-미분(PID) 제어기가 있다. 전달함수의 표준형을 구분하면 다음과 같은 형태를 갖는다.

PD 제어기의 경우

$$G_{PD}(s) = K_p \bigl(1 + T_d s\bigr)$$

여기서 K_p는 비례 이득, T_d는 미분 시간이다. 실제로는 순수 미분을 직접 적용하기 어렵기 때문에 $T_d \frac{N s}{1 + N s}$ 같은 형태로 근사하기도 한다.

PI 제어기의 경우

$$G_{PI}(s) = K_p \bigl(1 + \frac{1}{T_i s}\bigr)$$

K_p는 비례 이득, T_i는 적분 시간이다. 적분 항이 있기 때문에 정상상태 오차를 제거하는 능력이 향상되지만, 위상 지연이 커질 수 있다.

PID 제어기의 경우

$$G_{PID}(s) = K_p \Bigl(1 + \frac{1}{T_i s} + T_d s\Bigr)$$

비례, 적분, 미분의 세 항을 모두 사용하여 원하는 응답 특성을 세밀하게 조정할 수 있다. 그러나 세 개의 파라미터를 적절히 조율해야 하므로, 실무적으로 자동 동조나 여러 실험적 기법, 주파수 응답법 등 다양한 조정 방법이 고려된다.

단순 극-영점 표준형

피드포워드 경로나 보상기로 사용되는 단순 극-영점 형태의 전달함수도 제어계 설계에서 자주 다뤄진다. 가장 간단한 경우 극 하나, 영점 하나를 가지는 전달함수

$$G(s) = K \frac{s + z}{s + p}$$

영점이 p보다 왼편(s축에서 더 큰 음수)에 위치하면 위상을 리드시키는 보상기가 되고, 영점이 p보다 오른편(s축에서 덜 음수)에 위치하면 위상을 래그시키는 보상기가 된다. 이와 같이 한 쌍의 극과 영점을 시스템에 삽입하여 위상 특성과 이득 특성을 적절히 조정함으로써, 폐루프 시스템의 시간 및 주파수 응답 특성을 원하는 방향으로 변경할 수 있다.

극과 영점 배치는 루프 위상을 재배치하는 효과를 갖는다. 예를 들어 빠른 응답을 원하지만 감쇠가 부족한 경우, 리드 보상기를 통해 위상을 앞당겨 안정도를 확보하면서도 상승 시간을 단축할 수 있다. 마찬가지로 노이즈나 불안정성 문제가 있다면 래그 보상기를 추가하여 위상 지연을 주어 시스템 이득을 낮추거나, 저주파 구간에서의 이득 특성을 조정하기도 한다.

고차(고계) 시스템에서의 표준형 근사

실제 물리적 시스템은 흔히 3차 이상의 더 복잡한 전달함수를 지니며, 여기에 측정기와 액추에이터, 센서 등 여러 블록이 추가되어 고차 시스템이 되기 쉽다. 하지만 설계 과정을 단순화하기 위해 특정 주파수 대역에서 1차나 2차 근사형을 사용하기도 한다. 극이나 영점이 s평면에서 충분히 멀리 떨어진 경우, 그 요소는 무시하거나 혹은 단순화하는 방식으로 대표적인 표준형들을 블록으로 모사할 수 있다. 이런 분해적 접근은 Bode 선도 등 주파수 응답법에서도 큰 역할을 한다.

응답 특성을 결정짓는 주된 극이 비교적 저주파(실제 s영역에서 원점 근처)에 몰려 있다면, 이를 1차나 2차 표준형으로 간단히 표현하여 제어 시스템 설계를 시도한다. 잔여 고차 성분들은 고주파에서 효과를 나타내거나 미세 조정에 관여하는 정도로 간주한다. 이는 예를 들어 단위 피드백 구조에서 루프이득을 조절하거나, 근의 궤적(root locus)을 해석할 때도 유용하다.

지연요소(time delay) 시스템의 표준형

물리적 시스템에서 시간 지연(time delay)은 다양한 원인으로 발생한다. 예를 들어 유체가 파이프를 통해 이동하는 데 걸리는 시간, 신호 전송 과정에서 발생하는 전송 지연, 열전달 시스템에서 온도 변화가 전달되기까지의 지연 등이 해당한다. 시간 영역에서 이 현상을 미분방정식만으로 정확히 표현하기는 어려우나, 라플라스 변환을 사용하면 지연은 지수 함수 형태로 나타난다.

$$e^{-Ls}$$

L은 시간 지연 양으로, 단위는 초(sec)다. 따라서 시스템이 시간 지연을 포함하면 전달함수에 다음과 같이 곱셈 형태의 지연 인자가 포함된다.

$$G(s) = G_0(s) \, e^{-Ls}$$

여기서 $G_0(s)$는 지연이 없는 부분(주로 유한 차수의 다항식 형태)이고, $e^{-Ls}$ 항이 실제 물리적 지연을 반영한다. 시간 지연이 존재하면 고전적 제어 이론에서 주파수 응답과 위상 보상이 더 민감해진다. 예를 들어 작은 지연값이라도 고주파 영역에서 큰 위상 지연을 야기하므로, 안정도 여유(stability margin)가 줄어들 수 있다.

지연에 대한 전형적 해석 방법으로는 Pade 근사가 있다. 주파수 응답법이나 근의 궤적법 등을 사용할 때, $e^{-Ls}$를 유리함수 근사로 표현하기 위해 Pade 근사를 적용해보면

$$e^{-Ls} \approx \frac{1 - \frac{L}{2}s}{1 + \frac{L}{2}s}$$

등의 형태를 사용한다. 근사의 차수를 높이면 정확도를 높일 수 있지만, 그만큼 위상거동이 복잡해진다. 실제 제어 설계에서는 지연 보상을 위해 스미스 예측기(Smith predictor)나 지능형 제어(Intelligent control), 또는 디지털 제어에서 근접 추정 알고리즘을 활용하기도 한다.

샘플링(Sampling) 시스템의 표준형

실무에서는 아날로그 제어 시스템뿐만 아니라 디지털 제어 시스템도 널리 사용된다. 디지털 제어기는 일정 샘플링 주기 $T_s$마다 입력과 출력을 측정하고, 이산적(digital) 방식으로 계산한 결과를 다시 아날로그 구동계로 출력한다. 아날로그-디지털 변환(ADC), 디지털-아날로그 변환(DAC), 그리고 신호 보간용의 ZOH(Zero-Order Hold)가 함께 존재한다.

ZOH를 통해 샘플 입력이 고정 펄스 형태로 유지되는 경우, 전후 관계를 정확히 해석하기 위해 z변환을 사용한다. 그러나 s영역 전달함수와 z영역 전달함수는 다음과 같은 대응 관계로 이어진다.

$$G(z) = \mathcal{Z}\bigl\{ \mathcal{L}^{-1}\{ G(s) \} * \text{(ZOH 변환)} \bigr\}$$

일반적으로 연속시간 모델 $G(s)$에 ZOH가 적용되고 주기 $T_s$로 샘플링된 시스템은 이산시간 전달함수 $G(z)$로 변환될 수 있다. 이 변환식을 구체적으로 전개하면

$$G_{eq}(z) = \mathcal{Z} \Bigl\{ e^{-1 \cdot s \cdot \text{delay}} \Bigr\}, \quad \text{등등}$$

과 같은 형태가 된다. 실제로는 매뉴얼이나 소프트웨어(예: MATLAB의 c2d 함수)를 통해 구체적 이산화(discretization)를 수행한다. 제어 이론 관점에서 s영역 전송 특성과 z영역 전송 특성을 함께 이해해야 하며, 샘플링 주기가 너무 길면 데이터 손실로 인한 제어 성능 저하나 불안정 가능성이 생길 수 있다.

ZOH 뿐만 아니라 FOH(First-Order Hold)나 Tustin 변환(Bilinear transform), 적분 호환법 등 다양한 이산화 기법이 존재하며, 각각 장단점이 있다. 예를 들어 Tustin 변환은 양자화된 주파수 특성이 실수축 대역을 한정각도(π 이내)로 매핑해주는 과정에서, 고주파대에서 왜곡이 발생하지만 안정 여유 해석이 비교적 간단해진다.

MIMO 시스템에서의 전달함수 행렬

지금까지 논의한 표준형들은 주로 단일 입력(single input)과 단일 출력(single output)을 다루는 SISO 시스템이었다. 복수 입력과 복수 출력(MIMO)을 갖는 시스템에서는 전달함수를 스칼라가 아닌 전달함수 행렬로 정의한다. 예를 들어 상태방정식

$$\begin{aligned} \dot{\mathbf{x}}(t) = \mathbf{A}\,\mathbf{x}(t) + \mathbf{B}\,\mathbf{u}(t) \\ \mathbf{y}(t) = \mathbf{C}\,\mathbf{x}(t) + \mathbf{D}\,\mathbf{u}(t) \end{aligned}$$

를 라플라스 변환하면

$$\mathbf{Y}(s) = \mathbf{C}\,(s\mathbf{I} - \mathbf{A})^{-1}\mathbf{B}\,\mathbf{U}(s) + \mathbf{D}\,\mathbf{U}(s)$$

와 같은 형태가 되므로, $\mathbf{G}(s)$라는 MIMO 전달함수 행렬을

$$\mathbf{G}(s) = \mathbf{C}\,(s\mathbf{I} - \mathbf{A})^{-1}\mathbf{B} + \mathbf{D}$$

로 놓을 수 있다. 즉, 만일 입력이 m차원, 출력이 p차원이라면, $\mathbf{G}(s)$는 p×m 크기의 행렬로 구성된다. 각각의 엔트리는 SISO 형태의 유리함수가 되며, 시스템 전체를 표현하기 위해서는 이 전달함수 행렬을 사용해야 한다.

MIMO 시스템에서는 설계의 복잡도가 크게 증가한다. 예를 들어 한 입력을 조정하면 여러 출력에 상호 영향을 미치므로, 디커플링(decoupling) 설계 기법이나 행렬 형태의 주파수 응답 해석(예: 싱귤러 값 분해, 주특성 모드 해석 등)을 적용해야 한다. 고차원 기계시스템(예: 로봇 매니퓰레이터의 다축 제어), 화학 플랜트(예: 압력, 온도, 유량 등 여러 변수를 동시에 제어) 등에서 MIMO 전달함수 행렬이 중요한 역할을 한다.

상태공간 표현과 표준형 변환

전달함수 표준형은 고전 제어 방식에서 주로 사용하는 방법이지만, 현대 제어 이론으로 넘어오면 상태공간 표현(state-space representation)을 주로 다룬다. 그러나 두 표현은 상호 호환 가능하므로, 시스템 행렬 $\mathbf{A}$, $\mathbf{B}$, $\mathbf{C}$, $\mathbf{D}$를 통해 원하는 전달함수 표준형을 구성할 수 있다.

상태방정식을 이른바 카노니컬(canonical) 형태로 변환하여 그에 상응하는 전달함수를 쉽게 도출하기도 한다. 상태방정식의 표준형 예로는 다음의 항등식을 자주 쓰는다.

$$(s\mathbf{I} - \mathbf{A})^{-1} = \text{adj}(s\mathbf{I} - \mathbf{A}) \Bigl/ \det(s\mathbf{I} - \mathbf{A})$$

adj(·)는 어드조인트 행렬(수반 행렬)을 말한다. 이를 전개하면, 고차 시스템의 전달함수를 분모와 분자가 각각 차수에 맞게 나타낼 수 있다. 예를 들어 4차 시스템까지 확장해도 결국 분모는 $s^4 + a_3 s^3 + a_2 s^2 + a_1 s + a_0$ 형태를 갖게 되고, 분자는 엔트리별로 적절한 다항식이 된다.

제어 설계 과정에서 상태공간과 전달함수를 혼용하는 경우가 많다. 예컨대 전자기기에서 게인 스케쥴링(gain scheduling)을 하거나, 최적제어(LQR) 기법을 사용할 때는 상태공간 표현이 훨씬 편리하고, 그 결과물을 다시 전통적 전달함수(주파수 응답) 방식으로 검증하는 식이다.

간단한 블록선도 예시

아래 다이어그램은 1차 시스템 $G(s) = \frac{K}{\tau s + 1}$과 단순 비례제어기 $K_p$가 단위 피드백 형태로 연결된 구조다.

이 시스템의 폐루프 전달함수는

$$G_{cl}(s) = \frac{K_p \frac{K}{\tau s + 1}}{1 + K_p \frac{K}{\tau s + 1}}$$

위 표현을 단순화하면

$$G_{cl}(s) = \frac{K K_p}{\tau s + 1 + K K_p}$$

즉, 폐루프도 다시 1차 표준형 형태를 유지한다. 다만 극점의 위치가 $\tau s + 1 + K K_p = 0$에서 결정되므로, 제어 이득 $K_p$를 조절하여 극점의 위치가 원하는 영역(더 왼쪽)으로 갈 수 있다.

비최소위상(Non-Minimum Phase) 시스템의 표준형

일반적으로 최소위상(minimum phase) 시스템이란, 모든 영점이 왼반평면에 존재하거나(연속시간 LTI 시스템 기준) 단위원 내부에 존재하는(이산시간 시스템 기준) 경우를 말한다. 이때 전달함수의 극과 영점 모두가 안정영역에 놓여 있으므로, 위상 거동을 해석하거나 제어기를 설계하기 비교적 용이하다. 반면 비최소위상(Non-Minimum Phase, NMP) 시스템은 전통적인 해석 기준으로 볼 때 “안정적인” 극을 가지지만, 영점 중 일부가 오른반평면(RHP)에 존재한다. 그 결과 위상 특성이 추가로 지연되거나, 입력을 가했을 때 출력이 처음엔 반대방향으로 움직이는 “역응답(inverse response)” 현상이 나타날 수도 있다.

비최소위상 특성은 라플라스 영역에서 실제부가 양수인 영점(RHP zero) 또는 시퀀스로 해석할 수 있다. 예시로는 다음과 같은 전달함수를 생각해 볼 수 있다.

$$G(s) = \frac{K(s - z)}{(s + p_1)(s + p_2)}$$

여기에서 분모의 극점들은 $-p_1$, $-p_2$처럼 왼반평면에 있지만, 영점이 $z>0$ 위치에 놓여 있다면, 이는 비최소위상 시스템이 된다. 물리적으로는 증발 탱크의 온도 제어, 중력 하에서의 역진자(inverted pendulum) 문제, 또는 전기회로에서 한 지점에서 얻는 출력이 상호간의 반전 거동을 가진 경우 등에서 발생하기도 한다.

비최소위상 영점이 존재하면 Nyquist 선도 분석에서 궤적의 위상이 더 지연되어, 일반적인 루프 셰이핑(loop shaping)을 그대로 적용하기가 어려워진다. 또한 스텝 입력에 대해 출력이 초기에 반대 방향으로 움직이는 현상이 나타나기도 한다. 제어 이득이 크면 이 역응답(inverse response)이 더욱 커져 시스템 동작이 불안정하게 느껴질 수 있다.

이러한 비최소위상 시스템에서의 전형적 설계 해법 중 하나로는 극-영점 배치를 통한 상쇄나, 고차 보상기를 사용하여 RHP 영점의 부정적 영향을 최소화시키는 방법이 있다. 하지만 RHP 영점을 단순히 보상기로 상쇄하려 시도하면 폐루프 상에서 폴-제로 캔슬레이션(pole-zero cancellation)이 실제축 오른편에서 일어나므로, 외란이나 노이즈, 혹은 모델링 오차에 매우 취약하게 된다. 따라서 비최소위상 시스템 제어는 안정성 한계와 성능 목표를 균형 있게 고려하는 로버스트(robust) 제어 기법의 도움을 받는 경우가 많다.

일반적으로 비최소위상 시스템의 단계 응답 특성을 분석할 때는, 단순히 극점들만을 고려하는 것이 아니라 영점의 위치 및 상대차수(relative degree)도 함께 본다. 예를 들어

$$\text{상대차수} = \text{(분모 차수)} - \text{(분자 차수)}$$

라고 정의할 때, 전달함수의 상대차수가 2 이상인 경우 미분 제어(D term)를 포함한 PID 구조가 직접적으로 제어 효과를 내기 어려워질 수 있으며, 영점의 영향력이 더 크게 나타난다. 특히 RHP 영점이 존재하면 주파수응답 상에서 큰 위상 왜곡이 생기므로, 제어기가 이를 충분히 보상하기 위해선 고주파에서 과도한 이득 상승이 필요하게 되는데, 이는 노이즈 민감도(sensitivity to measurement noise) 증대로 이어질 수 있다.

비최소위상 시스템은 고전 제어 이론 입장에서는 설계 난도가 높다. 한편 현대 제어 이론, 예를 들어 H∞ 제어나 μ-싱설계(μ-synthesis) 기법, 혹은 LMI(Linear Matrix Inequality) 접근 등을 활용하면, 영점 배치로부터 발생하는 위상 지연을 일정 수준으로 제한하고, 강인성(robustness)을 확보하는 방향으로 제어기를 설계할 수 있다. 예를 들어 H∞ 루프셰이핑(loop shaping)은 개루프 전달함수의 특성을 특정 주파수 대역에서 강화하고, 다른 대역에서는 억제함으로써 비최소위상 요소를 일정 수준 이상으로 제어하는 전략을 구사한다.

한편 실제 실무에서 비최소위상 시스템을 근사적으로 최소위상 시스템으로 접근하기도 한다. 예컨대 RHP 영점이 매우 빠른 타임스케일에서만 두드러진 거동을 일으킨다면, 저주파 대역 중심의 제어 설계에서는 이를 단순화하여 무시하기도 한다. 다만 이 경우, 고주파에서 발생할 수 있는 불안정성이나 예외상황(큰 외란 입력, 특정 주파수 공진 등)에 취약해질 수 있으므로 주의가 필요하다.

부분분수 전개와 전달함수 해석

전달함수를 표준형으로 분석할 때, 부분분수(partial fraction) 전개 기법도 자주 활용한다. 예를 들어 2차 이상의 분모를 가진 전달함수가 있을 경우, 이를 극점의 위치(근)로 분해하여 각 극점이 주도하는 모드(mode)를 개별적으로 살펴볼 수 있다. 어떤 n차 시스템이라도

$$G(s) = \frac{N(s)}{D(s)}$$

형태에서 $D(s)$가 n차 다항식일 때, $s = r_1, r_2, \dots, r_n$이 근이 된다면,

$$G(s) = \sum_{k=1}^{n} \frac{A_k}{s - r_k} + \dots$$

꼴로 전개가 가능하다. 여기서 $A_k$는 극점 잔차(residue)에 해당한다. 이 전개는 시간영역 응답을 역라플라스 변환할 때 유용하며, 시스템이 여러 모드의 합으로 구성되어 있음을 직관적으로 파악하게 해준다. 예컨대

$$y(t) = \sum_{k=1}^{n} A_k \, e^{r_k t}$$

형태로 표현되므로, 특정 극점 $r_k$가 -α±jβ와 같은 복소공액 쌍이면 임펄스 응답 시 감쇠진동(modulated oscillation)이 발생하는 식이다.

비최소위상 시스템의 경우, 분자의 영점도 부분분수 전개 시 중요한 역할을 하며, 그 위치가 오른반평면일 경우 응답에 역상(출력 신호의 방향이 반대)이 섞이거나, 위상 여유가 급격히 감소한다.

엄proper, proper, strictly proper 시스템의 구분

전달함수는 분자와 분모의 차수 관계에 따라 크게 다음과 같이 나눌 수 있다. 엄밀히는 여기서도 표준형 분석 기법이 적용된다.

분자 차수가 분모 차수보다 큰 경우를 엄proper 시스템이라고 한다. 예를 들어 $G(s) = \frac{s^3 + 2s^2}{s + 3}$처럼 최고차항이 분모보다 큰 경우, 실제 물리시스템을 표현하기에는 이상적이거나, 미분항만으로는 안정 구간이 나오기 힘든데도 불구하고 수학적으로는 가능하다. 그러나 현실적인 물리계에서는 일반적으로 엄proper 형태는 나타나지 않는다. 분자 차수와 분모 차수가 같거나, 분자 차수가 더 낮은 경우를 proper 시스템, 혹은 strictly proper 시스템으로 부른다. 특히 strictly proper 시스템은 분자 차수가 분모 차수보다 반드시 낮아서 $s \rightarrow \infty$일 때 $G(s) \rightarrow 0$가 보장된다. 이는 물리적 제어계에서 고주파 영역에서 실제 장치가 무제한으로 출력을 내지 못한다는 조건과 부합한다.

엄proper 전달함수가 나타나는 상황으로는 피드포워드 경로에서 미분을 여러 번 적용해 인위적으로 (임시로) 차수를 높인 경우나, 모델링 상에서 동특성을 과도하게 생략하여 “미래 값”에 기반한 듯한 형태가 된 경우 등이 있다. 그러나 실물 하드웨어에선 비인과성(non-causal) 문제가 함께 발생하므로, 최종 제어 알고리즘 구현 시에는 별도의 안정화 장치(고주파 필터 등)가 필요하다.

극-영점 대수적 해석과 제어 매개변수 선택

모든 표준형 해석의 궁극적 목적은 원하는 폐루프 성능(시간응답, 주파수응답, 안정도, 강인성 등)을 충족하는 제어기를 설계하기 위함이다. 이를 위해서는 전달함수의 극(pole)과 영점(zero), 그리고 이득(gain) K가 어떻게 시스템 전체 응답을 바꾸는지 정성적·정량적으로 판단해야 한다.

주파수응답 기법에서 극은 위상 지연을 초래하고, 영점은 위상을 리드시키거나(좌반평면 영점) 지연시키거나(우반평면 영점) 한다. 이 점에서, 다음과 같은 규칙이 경험적으로 잘 알려져 있다. s축에 가까운 극(실수가 음수이지만 크기가 작아서 원점에 가까운 극)은 저주파 대역 응답에 큰 영향을 미치고, 멀리 떨어진 극(더 큰 음수 실수부)은 고주파 응답에 주로 영향을 준다. 비슷하게 영점이 s축에 가까우면 그 구간 주파수대에서 위상 및 이득 특성을 주도한다. 이러한 극과 영점들의 배치를 다이내믹하게 조절하기 위해, PD나 PI 또는 일반적인 보상기 구조에서 극 하나와 영점 하나를 삽입하거나, 2차 이상 보상기를 설계하여 시스템이 갖는 선형 동특성을 원하는 형태로 이끌어낼 수 있다.

특히 근궤적(Root Locus) 방법은 폐루프 극점이 개루프 극점과 영점의 배치, 그리고 개루프 이득 증감에 따라 어떻게 이동하는지 시각적으로 보여준다. 이로써 우리가 목표로 하는 감쇠비, 맥스 오버슈트(maximum overshoot), 정착 시간(settling time) 등의 시간 응답 요구사항을 만족할 수 있는 이득 범위가 어디인지, 그리고 필요한 보상기 구조가 무엇인지 체계적으로 파악할 수 있다.

DC 모터 전달함수의 표준형

회전 기계 시스템 중 DC 모터는 전기적 입력(주로 전압)과 기계적 출력(회전각, 회전속도, 토크)의 관계가 비교적 단순한 형태로 나타나, 제어공학에서 중요한 예시가 된다. 일반적인 회전자 권선식(armature-controlled) DC 모터의 등가회로는 다음과 같이 표현한다.

전기회로 관점 전압 방정식으로부터

$$V_a(t) = R_a i_a(t) + L_a \frac{d i_a(t)}{d t} + e_b(t)$$

여기서 VaV_a는 외부에서 인가되는 전압, iai_a는 전기자 전류(armature current), RaR_a와 LaL_a는 각각 전기자 권선의 저항과 인덕턴스다. eb(t)e_b(t)는 역기전력(back-EMF)으로서, 모터의 회전속도 ω(t)\omega(t)에 비례한다.

기계계 관점 모터의 출력축에는 회전관성 JJ, 마찰(점성마찰 계수 bb)이 있다고 간주한다. 따라서 기계적 방정식은

$$\frac{d \omega(t)}{d t} + b\,\omega(t) = T_m(t) - T_l(t)$$

가 된다. 여기서 Tm(t)T_m(t)은 모터가 발생하는 토크, Tl(t)T_l(t)은 외란이나 부하(load) 토크를 의미한다. DC 모터의 토크는 전기자 전류에 비례하며, 역기전력은 회전속도에 비례한다. 즉,

$$T_m(t) = K_t\,i_a(t), \quad e_b(t) = K_e\,\omega(t)$$

와 같은 고전적 관계식을 사용한다.

최종적으로, 전압을 입력 VaV_a, 모터 회전속도 ω\omega를 출력으로 보는 전달함수를 구하고자 하면, 전기회로와 기계계 방정식을 라플라스 변환한 뒤 결합한다. 전기자 인덕턴스 LaL_a가 비교적 작다고 가정할 경우(고속 응답 혹은 모델 단순화를 위해), 다음과 같은 근사식이 성립한다.

$$\begin{aligned} V_a(s) \approx R_a I_a(s) + K_e \\ J\,s\,\Omega(s) + b\,\Omega(s) = K_t I_a(s) \end{aligned}$$

이를 연립하고 Ia(s)I_a(s)를 소거하면

$$\Omega(s) = \frac{\frac{K_t}{R_a}}{s\Bigl(\frac{J\,R_a}{K_t\,K_e}\Bigr) + \Bigl(\frac{b\,R_a}{K_t\,K_e}\Bigr) + 1}\,V_a(s)$$

등의 형태가 나온다. 좀 더 간단히

$$\Omega(s) = \frac{K_m}{(\tau_e s + 1)} \, V_a(s)$$

와 같이 1차 표준형 구조가 된다. 여기서 Km=KtRa b+Kt KeK_m = \frac{K_t}{R_a,b + K_t,K_e}와 τe\tau_e는 전기적·기계적 매개변수 결합에 의해 정의된다. 실제 부하 토크가 포함되거나, LaL_a를 고려하는 등 좀 더 정교한 모델을 세우면 2차에 가까워지거나, 비선형 요소가 추가될 수 있다. 그러나 간단한 일정 부하 토크나 무부하 근사 환경에서 DC 모터는 1차에 가까운 표준형 전달함수로 널리 사용된다.

DC 모터 위치 제어 표준형

만약 제어 대상 출력이 모터의 회전각 θ(t)\theta(t)라고 할 때, ω(t)=θ˙(t)\omega(t) = \dot{\theta}(t)이므로

$$\Omega(s) = s\,\Theta(s)$$

에 대한 관계로부터, 위치 전달함수

$$\Theta(s) = \frac{K_m}{s(\tau_e s + 1)} \, V_a(s)$$

형태가 얻어진다. 이는 적분기 1s\frac{1}{s}가 포함된 2차 유리함수이므로, 2차 표준형과 유사하면서도 저주파대에서 적분 거동을 보인다. 속도를 출력으로 쓸 때와 달리, 위치 제어 관점에서는 쉽게 π\pi 또는 PID\text{PID} 구조를 적용하여 정상상태 오차를 제거하는 방식이 택해진다.

이 전달함수는 다음 미분방정식과 대응한다.

$$\frac{d^2 \theta(t)}{d t^2} + b \frac{d \theta(t)}{d t} \;=\; \frac{K_t}{R_a}\,V_a(t) \;-\; \frac{K_t K_e}{R_a} \frac{d \theta(t)}{d t}$$

전기자 저항과 모터 상수를 묶어 보면, 적분기를 포함한 2차 시스템으로 볼 수도 있고, 모터가 가진 전자기적 시간상수 τe\tau_e가 충분히 작으면 1차나 심지어 0차 근사(이득만 존재) 형태로 단순화될 수도 있다. 실제 설계 시에는 부하의 관성, 감쇠(마찰), 고유진동수, 감쇠비, 시간지연 등을 모두 고려하여 정밀 모델 혹은 근사 모델을 선택한다.

AC 서보모터와 범용 인버터 구동계

AC 서보모터나 범용 인버터(v/f 제어) 기반의 유도전동기 구동계는, DC 모터에 비해 수학적 모델이 복잡하다. 그러나 벡터제어(field-oriented control) 기법 등을 활용하면, d-q 축 변환 후에 DC 모터와 유사한 전달함수 형태를 얻을 수 있다. 즉, 전류제어 루프가 내부적으로 매우 빠르게 동작하여 토크를 정확히 제어하고, 외부 루프(속도, 위치)에서 1차 또는 2차 표준형 구조를 형성하는 식이다.

예컨대 벡터제어 기반의 AC 서보 시스템은 내부적으로 전류 루프 이득이 매우 커서, “전류 명령 = 모터 토크”라고 보는 근사가 가능하다. 그 결과, 모터 샤프트에서 속도 관점으로 보면 DC 모터와 유사한 1차 또는 2차 표준형 방정식이 성립한다. 고성능 서보 시스템에서는 엔코더나 리졸버를 통한 위치·속도 피드백을 디지털 제어로 처리하며, 각 루프(전류, 속도, 위치)의 대역폭을 적절히 분리하여 안정된 상태에서 고성능을 발휘하도록 설계한다.

로봇 조인트(조인트) 모델의 표준형

로봇 매니퓰레이터의 각 조인트도 모터-기어박스-링크의 질량관성으로 구성되어 있어, 단축만 떼놓고 보면 2차 혹은 3차 시스템에 근접한다. 기어비 NgN_g, 링크의 관성 JLJ_L, 축 마찰 bb, 중력 토크 τg(θ)\tau_g(\theta) 등 다양한 요소가 고려된다. 그러나 스펙트럼의 주요 모드는 결국 “구동부 토크 ↔\leftrightarrow 조인트 회전각” 사이의 2차 이상 동역학으로 요약될 수 있다.

예컨대 로봇 매니퓰레이터 한 축에 대해 단순화하면,

$$(J_M + N_g^2 J_L) \frac{d^2 \theta(t)}{d t^2} + b \frac{d \theta(t)}{d t} = \tau_\mathrm{motor}(t) - \tau_g(\theta)$$

가 되는데, 중력 토크 τg(θ)\tau_g(\theta)는 비선형항이라서 소규모 각도 변화라면 선형 근사(예: 평형점 근처에서 테일러 전개)로 다룰 수 있다. 그리고 τmotor(t)\tau_{motor}(t)는 전기적 모터 특성(전압-전류-토크)이 이미 1차나 2차 모델로 근사되어 있다면, 전체적으로 고차 선형 시스템 형태를 취한다.

여기에 고속 응답을 위해 관성 모멘트가 작거나, 기어비가 커서 빠르게 토크를 증가시킬 수 있다면, DC 모터 표준형과 유사하게 동작할 수 있다. 반면 조인트 자체가 비선형 탄성요소나 백래시(backlash), 유연 조인트를 포함하면 비선형 또는 추가 극·영점이 나타난다. 따라서 실무 설계에서는 합리적인 수준에서 로봇 조인트를 2차 또는 3차 표준형으로 모델링한 뒤, PD+중력보상, PID+feedforward, 혹은 State feedback 등 다양한 제어 방식을 적용한다.

복합 블록선도에서의 표준형 결합

실제 산업용 제어 계통은 모터, 센서, 제어기, 보상 블록, 필터 등이 연쇄적으로 연결되어 복합 블록선도를 이룬다. 각 블록마다 앞서 소개된 전달함수 표준형(1차, 2차, 적분기, 미분기, 지연요소, 등등)을 갖고, 서로 직렬이나 병렬, 피드백 형태로 결합된다. 이 결합된 구조를 수학적으로 단순화할 때, 각 블록의 극·영점 상태를 파악하고 합성한다.

예컨대 센서 블록이 Gs(s)G_s(s), 모터+구동계 블록이 Gm(s)G_m(s), 외란 경로나 측정 잡음이 추가되어 있다면, 이를 모두 라플라스 변환으로 표현한 뒤 전체 폐루프 전달함수를 유도한다. 이후 극점의 위치를 통해 안정성을 판단하거나, 성능 요구사항(오버슈트, 정착 시간, 위상 여유 등)이 만족되는지 확인한다. 필요하다면 블록선도 중간에 보상기를 추가하고, 극·영점을 의도적으로 재배치(pole-zero placement)하거나, PID 파라미터를 조정하여 반복 검증한다.

아래 다이어그램은 전형적인 2자유도(2-DOF) 구조의 예시로서, 참조 신호 경로와 외란 억제 경로를 분리하는 개념을 보여줄 수 있다.

이때 Gm(s)G_m(s)가 DC 모터 전달함수 등으로 주어지고, Cf(s)C_f(s), Cb(s)C_b(s)가 각각 리드-래그 보상, PID 보상 등의 표준형 보상기로 선택될 수 있다.

주파수응답과 표준형의 연관성

전달함수 표준형을 제대로 이해하면 주파수영역 해석에서도 큰 이점을 얻게 된다. 예를 들어 보드(Bode) 선도나 나이퀴스트(Nyquist) 선도를 그릴 때, 1차나 2차 표준형, 적분·미분 특성, 지연요소 등은 각각 고유의 주파수응답 패턴이 존재한다. 이를 토대로 개루프(오픈루프)나 폐루프 특성을 직관적으로 파악할 수 있다.

가령 1차 시스템 $G(s) = \frac{K}{\tau s + 1}$를 생각해 보면, 낮은 주파수( $s = j\omega$ , $\omega \ll \frac{1}{\tau}$ )에서는 이득이 대체로 $K$ 근처에서 머무르고, 위상 지연은 작다. 반면에 높은 주파수( $\omega \gg \frac{1}{\tau}$ ) 영역으로 갈수록 이득이 Kjωτ≈Kωτ\frac{K}{j\omega\tau}\approx\frac{K}{\omega\tau} 크기로 급격히 떨어지며, 위상은 약 -90° 근처에 수렴한다.

2차 시스템 $G(s) = \frac{\omega_n^2}{s^2 + 2\zeta \omega_n s + \omega_n^2}$라면, 공진주파수( $\sqrt{1 - 2\zeta^2}$ 등) 근방에서 공진이 발생할 수도 있고( $\zeta < \frac{1}{\sqrt{2}}$ 의 경우), 위상도 -180° 부근까지 내려가게 된다. 언더댐핑 시에는 뚜렷한 공진 피크가 나타나며, 오버댐핑 시에는 공진 현상이 완만하게 나타난다.

적분기 $\frac{K}{s}$는 저주파에서 이득이 매우 크고(이상적으로 무한대), 고주파로 갈수록 0에 가까워진다. 위상은 -90°를 유지한다. 미분기 $K,s$는 반대로 저주파에서 0에 가까운 이득을 보이고, 고주파로 갈수록 증가하는 특성에다가 위상은 +90°에 해당한다.

전달함수에 지연요소 $e^{-Ls}$가 포함되면, 저주파 대역에서는 큰 영향이 없지만, 중·고주파 대역에서 −ωL-\omega L 정도의 위상 지연이 추가로 생긴다. 따라서 작은 지연이라도 주파수가 커질수록 위상 여유와 이득 여유 감소에 크게 기여하게 된다. 제어계 설계에서는 이 지연에 유의하여 폐루프 성능을 확보해야 한다.

대역폭(bandwidth)과 상승시간(rise time)의 표준형 해석

시간영역 스펙(상승시간, 오버슈트, 정착시간 등)과 주파수영역 스펙(대역폭, 위상 여유, 이득 여유 등)은 상호 연관성을 가진다. 예를 들어 2차 언더댐핑 시스템에서 상승시간이 짧고 빠른 응답을 기대하려면 고유진동수 $\omega_n$가 어느 정도 크게 설정되어야 한다. 그러나 $\omega_n$이 지나치게 크면 실제 하드웨어 구동계에 요구되는 토크나 전류량이 커져, 물리적 제약과 노이즈 민감도 문제가 발생한다.

1차 시스템의 경우, 대역폭(주파수가 1/τ 근처까지 유지된다는 의미)과 시간상수 τ\tau 사이에 직접적인 반비례 관계가 성립한다. 즉, $\tau$가 작으면 대역폭이 넓어지고 응답이 빨라진다. 이때, 단순 비례제어만으로도 충분히 원하는 응답을 얻기 쉬우나, 실제 노이즈가 존재하거나 지연 요소가 추가되면 이득을 무턱대고 높일 수 없기에 타협이 필요하다.

2차 시스템이라면 감쇠비 $\zeta$가 큰 편이면 과도응답에서 오버슈트가 적고, 주파수응답에서도 공진 피크가 낮아진다. 반면 $\zeta$가 너무 크면 상승시간이나 정착시간이 길어질 수 있다. 따라서 $\zeta$와 $\omega_n$ 둘 다를 적절히 조정해야 한다. 보상기를 설계할 때도, 루프 전달함수의 극과 영점을 재배치하면서 $\zeta$, $\omega_n$를 원하는 값 근처로 맞추는 방식이 널리 쓰인다.

감도함수와 보상기 설계 시 표준형 고려

폐루프에서 외란 억제나 파라미터 변화에 대한 강인성 등을 논할 때, 감도함수(Sensitivity function) $S(s)$와 보완감도함수(Complementary sensitivity function) $T(s)$ 개념이 유용하다. SISO 단위 피드백 구조에서 다음이 성립한다.

$$S(s) = \frac{1}{1 + G(s)}, \quad T(s) = \frac{G(s)}{1 + G(s)}$$

$S(s)$는 낮은 주파수 대역에서 작아야 정상상태 오차나 저주파 외란에 대한 억제 성능이 향상된다. 반면 $T(s)$는 높은 주파수 대역에서 작아야 센서 노이즈나 모델 불확실성(고주파 측)을 억제하는 데 효과적이다. 그러나 $S(s)$와 $T(s)$의 곱은

$$S(s) + T(s) = 1$$

이므로, 한쪽이 좋아지면 다른 한쪽이 나빠지는 ‘워터베드(waterbed)’ 효과가 발생한다. 보상기 설계에서 1차나 2차 표준형, 적분기, 미분기, 지연 요소 등에 대한 이해를 통해 저주파 대역에서는 오차를 줄이고(감도함수 감소), 고주파 대역에서는 노이즈나 불확실성을 억제(보완감도함수 감소)하도록 균형을 맞추게 된다.

예컨대 PI 제어기를 활용해 저주파에서 적분 동작으로 외란에 대한 응답 오차를 줄이면서, 추가로 위상 리드 보상이나 PD 성분을 이용해 중·고주파에서 위상 여유를 확보하면, 시스템 전체 성능을 개선할 수 있다. 다만 시간지연이나 비최소위상 영점 등으로 인해 위상이 크게 밀리는 구간이 있다면, 지나치게 이득을 높일 경우 폐루프가 불안정해질 수 있다는 점도 유의해야 한다.

높은 차수와 높은 차수 모드의 분리

복잡한 시스템에서 3차 이상, 심지어 10차 이상의 전달함수를 얻는 일도 드물지 않다. 예컨대 플랜트 전체를 모델링하거나, 유연 구조물(판, 빔, 구조물 공진)을 다루는 경우, 극과 영점이 매우 많아지는 고차 모델이 출현한다. 이런 상황에서는 대체로 ‘주요 모드’와 ‘고차 모드’를 분리하여, 관심 주파수 범위 내에서 지배적이지 않은 극·영점은 단순화하거나 무시한다.

이때 주파수응답상에서 눈에 띄게 공진 피크가 존재하거나, s평면에서 저주파 근방에 위치한 극·영점만을 뽑아 1차나 2차 근사모델로 다룬다. 고주파 대역의 극·영점들은 실험적으로나 수치 시뮬레이션으로 확인할 수 있으며, 흔히 제어 루프의 대역폭보다 훨씬 높은 주파수에 존재한다면 보상 설계에 직접 들어갈 필요가 없다. 하지만 이 고차 모드들이 지연이나 위상손실을 일으키는 구간에 만약 설계 대역폭이 도달하면, 단순화를 그대로 적용하면 안 된다.

표준형 근사는 설계와 해석 과정에서 효율성을 크게 높인다. 각 모드가 1차 또는 2차 표준형에 대응된다고 보고, 합성하면 전체 전달함수가 대략적으로 표현된다. 그런 뒤 근궤적 기법이나 보드 선도, Nyquist 선도로 설계자를 보조한다. 설계 완료 후에는 고차 시뮬레이션 모델(또는 실제 플랜트)로 정확한 검증을 거쳐, 남아 있는 모드의 영향이 허용 범위 이내인지 확인한다.

특이 케이스: 시간변수 시스템과 분산 파라미터 시스템

지금까지는 시불변(linear time-invariant, LTI)이고, 집괴(parameter lumped)된 전달함수를 다뤄 왔다. 실제로는 비선형성이나 시간변화(time-varying), 분산 파라미터(distributed parameter) 성격을 가진 시스템도 많다. 예컨대 신축성 케이블을 따라 전해지는 파동 방정식이나, 열전달 방정식의 PDE(편미분방정식) 모델 같은 경우다.

분산 파라미터 시스템을 s영역에서 해석하려면, 무한차 전달함수를 다뤄야 하는 경우가 대부분이라서, 표준형이라는 개념이 적용되기 쉽지 않다. 대신 모드 전개(고유모드 분해) 기법을 통해 특정 저차 모드(낮은 고유진동수)부터 순차적으로 잘라내어 근사할 수 있다. 예컨대 긴 케이블의 진동 모드 중에서 가장 낮은 모드 1~2개만 떼어다 2차나 4차 근사 전달함수를 만들고, 이를 제어 설계에 활용하는 식이다.

시간변수 시스템은 $G(s)$ 자체를 고정된 유리함수로 두기 어렵기 때문에, 슬라이딩 윈도우를 적용하거나, 순시적으로 선형화한 모델을 이용하여 게인 스케쥴링(gain scheduling) 방식으로 바꿔서 제어기가 동작한다. 이 경우에도 각 순간의 전달함수는 1차나 2차 등 표준형 근사로 표현될 수 있다. 고도가 변하는 항공기의 동역학, 엔진 연료분사량에 따라 달라지는 동특성 등에서 이런 아이디어를 응용한다.

비선형 시스템에서의 전달함수 근사

비선형 시스템에 대해서도, 특정 동작점 근처에서 선형화(linearization)를 통해 국소적인 전달함수 표준형을 얻을 수 있다. 예컨대 로봇 매니퓰레이터가 작은 각도 범위에서 움직인다면, 중력이나 관성 등의 비선형 항을 테일러 전개하여 1차 근사 항으로 조정한다. 이렇게 해서 얻은 로컬 선형 모델을 기반으로 고전 제어기(PI, PD, PID, 리드-래그 등)를 설계하면, 제한된 범위에서는 꽤 정확한 제어 성능을 낼 수 있다.

그러나 동작 범위가 넓을수록, 비선형 효과가 커질수록 한두 개의 고정된 전달함수 표준형만으로는 만족스러운 제어 성능을 얻기 어려워진다. 이때는 게인 스케쥴링, 슬라이딩 모드 제어, 모델 예측 제어(MPC) 등 좀 더 진보된 방법이 쓰이기도 한다. 그래도 여전히 국소적 동작점마다 “표준형 근사”를 취하여 제어 파라미터를 업데이트하는 방식이 활용된다.

비선형과 비최소위상, 시간지연, 고차 분산 효과가 합쳐지면 매우 복합적인 모델이 되고, 하나의 단순 전달함수 표준형만으로는 해석이 불가능해진다. 이런 상황에서 표준형 개념은 최소화된 서브모델이나 부분모드 해석에 유효하다.

블록선도 단순화의 예시

아래 다이어그램은 간단한 2차 프로세스에 PI 제어기와 시간 지연 요소가 직렬로 연결된 형태를 나타낸다. 실제 플랜트가 더 복잡한 고차 모델이지만, 특정 온도제어 구간을 2차 근사로 보고, 측정-출력 사이에 센서 반응 지연을 $e^{-Ls}$로 표현하는 식이다.

이때 전체 폐루프 전달함수는

$$G_{cl}(s) = \frac{PI(s)\,\bigl(e^{-Ls}\bigr)\,\bigl(\frac{\omega_n^2}{s^2 + 2\zeta\omega_n s + \omega_n^2}\bigr)}{1 + PI(s)\,\bigl(e^{-Ls}\bigr)\,\bigl(\frac{\omega_n^2}{s^2 + 2\zeta\omega_n s + \omega_n^2}\bigr)}$$

형태가 되고, PI(s)의 경우

$$PI(s) = K_p \Bigl(1 + \frac{1}{T_i s}\Bigr)$$

이다. 이 블록선도를 단순화하면, 결국 (적분기 + 비례) × (지연) × (2차)로 이루어진 고유한 극-영점 구조가 결정된다. $L$이 큰 경우, 제어 이득을 높이면 위상 여유가 급격히 감소하므로, 보드 선도에서 고주파 위상 지연을 미리 파악하고 튜닝을 해야 한다.

물리적으로 이와 같은 모델은 큰 열용량을 갖는 프로세스(온도제어), 화학반응 공정 등에서 흔히 볼 수 있다. 외형적으로 2차 과도응답이 나타나지만, 실제로는 아주 큰 지연이나 여러 미소 극-영점이 잠재돼 있을 수 있다. 그것들을 무시하고 단순 2차+지연으로 모델링하더라도 제어기 튜닝에 있어서 유용한 시작점을 제공한다.

내부 모형 제어(IMC)에서의 표준형 활용

내부 모형 제어(Internal Model Control, IMC)는 프로세스 모델을 내부 루프에 포함해, 외란이나 모델 불확실성을 잘 보상하도록 설계하는 기법이다. IMC 구조를 간단히 표현하면, 플랜트 실제 전달함수와 동일(또는 근사)한 모델이 내부에 병렬로 존재하고, 입력 신호와 그 모델 출력을 비교해 외란·모델링 오차를 추정한다. IMC 설계를 수행할 때도, 플랜트를 가능한 단순한 표준형(예: 1차+지연, 2차+지연 등)으로 근사한 뒤 그 역(inverse)을 기반으로 보상기를 설계하는 접근이 많다.

예컨대 실제 플랜트가

$$G_p(s) \approx \frac{K}{(\tau s + 1)}\,e^{-Ls}$$

형태라고 가정하면, 이상적인 IMC 보상기는 $G_p(s)$의 역수( $1 / G_p(s)$ )에 필터를 곱하는 식으로 구성할 수 있다. 그러나 지연이 포함된 $G_p(s)$는 정엄밀하게 역함수를 정의하기 곤란하므로, 부분적으로 Pade 근사를 하거나, 고차 필터를 곱해 안정화를 꾀한다. 결과적으로 IMC 필터의 차수와 차단 주파수를 적절히 조절함으로써, 고주파 노이즈 증폭 없이도 빠른 응답 및 적절한 강인성을 확보하려는 목적을 달성한다.

물리 시스템에서 지연이나 0보다 큰 RHP 영점이 포함될 수도 있는데, 이는 IMC 설계에서 매우 까다로운 부분이다. IMC 접근은 플랜트 모델을 역으로 쓰는 특성상 비최소위상 영점을 직접 역수로 취해버리면, 폐루프 전달함수에 RHP 극이 도입되는 문제가 생긴다. 따라서 RHP 영점 근방 주파수 대역을 신중히 필터링하거나, 별도의 위상 보상기를 병렬로 붙여서 처리해야 한다.

IMC의 장점은 모델링과 보상 구조를 한눈에 파악할 수 있으며, 불확실성이 없는 상황이라면 이론적으로 매우 우수한 추종 및 외란 억제 성능을 낸다는 점이다. 또한 모델링 오차나 파라미터 변동이 있을 때, 외부에서 주어진 설계 파라미터(예: 필터 차수, 차단 주파수)를 통해 민감도를 간단히 조절할 수 있다. 반면 모델 정확도가 크게 떨어지거나, 비선형·비최소위상·큰 지연 등을 포함하면 IMC의 이론적 장점이 약화될 수 있다.

선형 행렬 부등식(LMI) 접근과 표준형

현대 제어 이론 중 하나로, LMI(Linear Matrix Inequality)를 이용해 제어 이득이나 보상기 파라미터를 직접 계산하는 방법이 있다. 고전적 루프셰이핑 기법이나 근궤적 기법은 해석적·그래픽적 방법으로 극점을 재배치하는 데 비해, LMI 접근은 시스템에 대한 여러 부등식 조건(안정도, 성능 지표, 강인성 등)을 동시에 만족하도록 행렬 형태로 제시하고, 수치적 알고리즘(세미정수계획, 이진 검색 등)을 활용하여 해를 구한다.

LMI 접근에서도 결과적으로는 전달함수의 극이 왼반평면에 놓이도록(안정도 확보), 적절한 감쇠비 이상을 확보하도록, 또는 H∞ 규범이나 H2 규범을 제한하도록 하는 조건들이 세워진다. 이를 해석하면, 특정 주파수 대역에서 시스템이 1차나 2차 근사와 유사한 거동을 하도록 제약을 부여하는 식으로 볼 수도 있다. 예컨대 2차 근사 가정하에서 감쇠비 ζ\zeta 이상을 보장하는 LMI 조건을 작성하거나, 시간응답의 오버슈트를 제한하는 등의 기법이 제안돼 있다.

LMI 해법의 특징상, 설계자는 표준형 전달함수를 일일이 조정하기보다는, 시스템 행렬 $\mathbf{A}$, B\mathbf{B}, $\mathbf{C}$, $\mathbf{D}$ 형태에서 원하는 스펙을 불등식 형태로 기술한 뒤, 수치 툴로 해를 구한다. 해가 존재하면, 그 해에 대응하는 상태피드백이나 상태관측기, 혹은 다입출력(MIMO) 보상기를 얻을 수 있다. 이후 이를 다시 유리함수(transfer function) 형태로 변환하면, 결과적으로 극과 영점의 배치가 어떠한지도 확인 가능하다.

적응 제어에서의 표준형 적용

적응 제어(Adaptive Control) 기법에서는 플랜트 파라미터가 확실히 알려지지 않았거나, 시간에 따라 변화한다 해도, 온라인으로 파라미터를 추정하여 보상기를 재조정한다. 이때도 표준형 가정이 중요한 기초를 이룬다. 예컨대 MIT 규칙이나 모델 기준 적응 제어(MRAC) 방식에서, 제어 대상 모델이 2차 표준형이라고 가정하고, 원하는 폐루프 동특성이 $\frac{\omega_d^2}{s^2 + 2\zeta_d \omega_d s + \omega_d^2}$ 형태가 되도록 적응 메커니즘을 구성한다.

적응 제어의 블록선도는 일반적으로 제어기 파라미터(이득, 극, 영점)를 온라인으로 바꾸는 적응법칙 블록이 포함돼 있다. 초기에는 플랜트 파라미터에 대한 추정치가 부정확해 과도응답이 클 수 있으나, 동작 시간이 흐르면서 추정치가 실제 값에 가까워지면, 결과적으로 모델 기준의 바람직한 응답에 수렴한다. 이는 결국 “어떤 표준형 모델처럼 거동하도록” 강제하는 셈이며, 그 모델이 1차든 2차든 적분이나 미분 요소를 가지든, 선형 부분은 비교적 간단해야 온라인 추정과 구현이 용이하다.

적응 제어 시스템이 비최소위상 요소나 큰 시간지연을 포함하면, 모델 기준을 단순히 2차 표준형으로 잡아서는 안정적인 적응이 쉽지 않을 수 있다. 이 경우에는 지연이나 RHP 영점을 일부 반영한 “확장 표준형” 모델을 설정하거나, 적응법칙 자체를 이산화·보상 필터를 함께 두어 안정화를 도모한다.

분산제어 시스템의 표준형 조합

대규모 프로세스 플랜트나 네트워크화된 제어 시스템에서는, 여러 소규모 서브 시스템이 분산형으로 연결돼 전체 시스템을 제어한다. 예컨대 발전소 보일러-터빈, 화학공정의 다단 반응기, 혹은 빌딩 HVAC(냉난방) 시스템 등에서 볼 수 있다. 각각의 서브 시스템이 1차 또는 2차 표준형, 지연요소, 비최소위상 요소를 일부 갖고 있으면, 전체 시스템 차수는 매우 커질 수 있다.

그러나 실제 제어구조에서 각 서브 루프는 ‘로컬 제어’로 닫혀 있고, 상호 연결부만이 상호작용 신호를 주고받는다. 이런 분산제어 구조를 라플라스 영역에서 통합적으로 표현하면, 상당히 복잡한 MIMO 전달함수 행렬이 되지만, 각 블록은 여전히 표준형 근사로 기술할 수 있다. 설계 전략으로는 로컬 PID 제어, 로컬 IMC 제어를 각각 적용한 뒤, 상호작용을 추가로 보상하기 위한 디커플링(Decoupling) 네트워크나 고차 보상기를 얹는 방식이 쓰인다.

분산제어 설계 시, 한 서브 루프의 튜닝이 다른 루프의 안정도에까지 영향을 미치므로, 협조적(cooperative) 혹은 분산형 최적화 알고리즘을 채택하기도 한다. 기본적으로 각 루프의 동특성을 1차 또는 2차 표준형으로 가정한다면, 상호간 coupling 요소를 새로운 전달함수로 정의해서, 그 영향력을 주파수 대역별로 제한하거나 규제하게 된다.

디지털 구현 시의 양자화와 전달함수 표준형

실제 제어기는 디지털 마이크로프로세서나 DSP, FPGA 등으로 구현된다. 샘플링과 더불어 양자화(ADC), 출력 해상도(DAC), 한정된 연산 정밀도 등의 이유로, 이상적인 연속시간 전달함수와 차이가 생길 수 있다. 특히 적분기나 미분기( $1/s$, $s$ ) 같은 이상적 요소를 직접 이산화하면, z영역에서 고주파(또는 고주파 근방)에서 큰 이득이 나타날 위험이 있으므로, 실용적 필터(예: 미분 + 저역 필터)로 조절한다.

PID 제어기를 디지털로 구현할 때는, 대개 차분 방정식 형태로 옮겨서

$$u[k] = u[k-1] + a_1 e[k] + a_2 e[k-1] + a_3 e[k-2]$$

등등의 방식으로 계산한다. 여기서 ΔT\Delta T는 샘플링 주기다. 연속시간 PID에 비해, 실제 구현체는 “미분 항에 저역 필터”가 달려 있거나, “적분항에 적분 제한(anti-windup)”이 적용돼 있다. 이는 결국 연속시간 표준형 PID와 미세 차이가 있지만, 이산 구현에서 발생하는 불가피한 요소들을 제어 성능과 안정성을 유지할 정도로 보완한 결과다.

이처럼 디지털 제어에서의 양자화·포화(saturation) 등의 비선형 요인들은, 이상적 전달함수 표준형을 100% 재현하지 못하게 만든다. 그러나 표준형 전달함수를 기반으로 설계한 후, 실제 구현 시 필요한 제한이나 필터를 추가하는 것이 일반적 접근이다. 흔히 시뮬레이션 단계에서, 설계한 표준형 제어기가 양자화나 지연, 노이즈 등에 대해 충분히 견딜 수 있는지를 확인하고, 필요하면 다시 보상기를 수정한다.

--- 대신 요약적 언급

여기까지 제시한 내용은 전달함수와 블록선도의 가장 전형적인 표준형(1차, 2차, 적분, 미분, 지연, 단순 극-영점, 비최소위상, MIMO 행렬 등)을 어떻게 제어계 설계와 해석에 접목하는지 다룬 것이다. 실제로는 물리계가 더 복잡하거나, 비선형·시변·분산 요소들이 얽혀 있을 가능성이 높지만, 제어공학에서 가장 보편적으로 쓰이는 근간은 여전히 이 표준형들에 대한 이해를 바탕으로 한다.