용어 목록 > 상태 관측기 (State Observer)

상태 관측기 (State Observer)

쉽게 풀면

전기차의 배터리 잔량을 생각해보세요. 배터리 내부의 정확한 충전 상태를 직접 찌를 수 있는 센서는 없지만, 전압과 전류처럼 겉에서 측정 가능한 값은 알 수 있습니다.

상태 관측기는 이렇게 "측정 가능한 값"과 "시스템이 어떻게 동작하는지에 대한 수학적 모델"을 함께 이용해서, 직접 측정할 수 없는 내부 상태(예: 배터리 잔량, 회전체의 정확한 속도 등)를 실시간으로 계산해내는 도구입니다.

처음엔 추정값이 실제와 다를 수 있지만, 측정값과 모델의 예측값 차이를 계속 확인하며 추정치를 점점 실제 값에 가깝게 보정해 나갑니다.

왜 중요한가

실제 시스템에서는 원하는 모든 상태 변수를 센서로 직접 측정하기 어렵거나, 센서 자체가 비싸고 고장에 취약한 경우가 많습니다. 상태 관측기는 이런 제약 속에서도 PID 제어기와 달리 상태 되먹임 제어기가 필요로 하는 내부 상태 정보를 확보할 수 있게 해주기 때문에, 로봇·전력전자·항공우주 등 제어공학 논문 전반에서 핵심 구성요소로 다뤄집니다. 또한 센서 고장을 감지하거나 대체하는 결함 허용 제어 연구에서도 관측기가 중요한 축을 이룹니다.

어떤 절차인가

선형 시스템 ẋ = Ax + Bu, y = Cx 에서 상태 x를 직접 잴 수 없고 입력 u와 출력 y만 알 때, 루엔버거 관측기는 모델을 한 벌 더 돌리면서 출력 오차로 보정합니다.

x̂̇ = A x̂ + B u + L ( y − C x̂ )

1. 모델(A, B)로 상태를 예측합니다.
2. 예측 출력 C x̂ 와 실제 측정 y 의 차이를 구합니다.
3. 그 차이에 이득 L을 곱해 상태 추정치에 되먹입니다.
4. 추정 오차 e = x − x̂ 는 ė = (A − LC) e 를 따르므로, A − LC 의 고유값이 모두 안정하도록(실수부 음수) L을 고르면 오차가 0으로 수렴합니다.

이 방법은 Luenberger(1964)가 정리했고, 잡음이 있을 때 통계적으로 최적인 이득을 구하는 것이 칼만 필터(Kalman, 1960)입니다.

언제 쓰고 무엇을 얻나

• 전제: 쌍 (A, C)가 관측 가능해야 L로 A − LC 의 고유값을 원하는 곳에 놓을 수 있습니다. 가관측성은 가제어성과 가관측성에서 다룹니다.
• 얻는 것: 센서 수와 비용을 줄이고, 상태 피드백 제어에 필요한 상태를 확보하며, 센서 고장 감지나 외란(확장 상태로 포함) 추정에도 쓰입니다.
• 분리 원리: 선형 시스템에서는 상태 피드백 이득 K와 관측기 이득 L을 따로 설계해도 전체 고유값이 두 집합의 합집합이 됩니다.
• 설계의 균형: L을 크게 하면 추정이 빨라지지만 측정 잡음을 더 크게 증폭합니다. 잡음 수준이 높으면 칼만 필터처럼 잡음 통계를 반영한 이득을 씁니다.

가상의 예(이중 적분기): ẋ₁ = x₂, ẋ₂ = u, y = x₁ 에서 위치 y만 잴 수 있고 속도 x₂를 추정하려 합니다. L = [l₁, l₂]ᵀ 이면 A − LC = [[−l₁, 1], [−l₂, 0]] 이고 특성방정식은 s² + l₁s + l₂ = 0 입니다. 오차 극을 −4, −4 에 두고 싶다면 (s+4)² = s² + 8s + 16 과 비교해 l₁ = 8, l₂ = 16 입니다. 극이 −4이면 오차의 시정수가 약 0.25초 수준이 되는데, 보통 제어 루프보다 몇 배 빠르게 두는 것을 관례로 삼는다고 설명됩니다.

논문에는 이렇게 적는다

• 관측기 종류(루엔버거, 슬라이딩 모드, 확장 칼만 필터 등)와 적용한 모델(선형화 여부, 모델 오차 가정)을 밝힙니다.
• 이득 L(또는 극 위치)과 그 선택 근거를 적고, 잡음·외란 가정을 적습니다.
• 추정 성능은 추정 오차 곡선, 수렴 시간, 정상상태 오차, 잡음 민감도 등으로 보이고, 가능하면 직접 측정한 참값과 비교합니다.
• 관측 가능성 조건을 확인했다는 점과, 모델 불확실성에 대한 강인성 시험 결과를 함께 제시합니다.

논문에서는 이렇게 쓰입니다

실제 논문에서

이 용어를 직접 쓴 국내 논문 문장을 아직 수집하지 못했습니다. 수집되는 대로 출처와 함께 싣겠습니다.

예시 문장

아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.

이 문장은 "값비싼 위치 센서를 직접 달지 않고도, 전압·전류처럼 이미 측정하고 있는 값들만으로 계산을 통해 모터의 회전자 위치를 추정하는 방법을 썼다"는 뜻입니다. 센서를 줄이면서도 제어에 필요한 정보를 확보할 수 있다는 것이 핵심 장점입니다.

이 문장은 관측기가 시스템 상태뿐 아니라 예측하기 어려운 외부 교란까지 하나의 확장된 상태로 함께 추정하도록 설계했다는 의미입니다. 이렇게 하면 별도의 외란 모델 없이도 제어 성능을 유지할 수 있습니다.

공정 산업에서는 농도처럼 실시간 측정이 까다로운 변수를 값싼 센서(온도, 압력)만으로 간접 추정하는 데 상태 관측기가 널리 활용된다는 것을 보여줍니다.

조금 더 깊게 보면

대표적인 상태 관측기로는 선형 시스템에 쓰이는 루엔버거 관측기와, 잡음이 있는 환경에서 통계적으로 최적의 추정을 제공하는 칼만 필터, 그리고 비선형 시스템에 적용하는 확장 칼만 필터나 슬라이딩 모드 관측기 등이 있습니다. 관측기 설계에서는 추정 오차가 시간이 지남에 따라 얼마나 빠르게 실제 값으로 수렴하는지(관측기 이득 설계)와, 모델 불확실성이나 외란에 얼마나 강건한지가 함께 중요하게 다뤄집니다.

주의할 점

루엔버거 관측기 같은 결정론적 상태 관측기는 잡음을 따로 고려하지 않고 내부 상태를 "추정"하므로, 같은 상태 관측기라도 잡음이 섞인 측정값에서 최적의 추정치를 통계적으로 계산하는 칼만 필터와는 설계 출발점이 다릅니다. 또한 관측기가 제대로 작동하려면 애초에 그 상태가 측정 가능한 값들로부터 이론적으로 추정 가능해야 하며, 이는 가제어성과 가관측성 가운데 가관측성이 확보되어 있는지와 직결된 문제입니다.

헷갈리기 쉬운 용어

상태 추정과 관련해 자주 섞이는 용어입니다.

참고 문헌

1. Luenberger, D. G. (1964). Observing the state of a linear system. IEEE Transactions on Military Electronics, 8(2), 74–80.
2. Kalman, R. E. (1960). A new approach to linear filtering and prediction problems. Journal of Basic Engineering, 82(1), 35–45.
3. Kailath, T. (1980). Linear Systems. Prentice-Hall.

표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.

관련 용어