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 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.
논문에서는 이렇게 쓰입니다
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
상태 관측기는 시스템의 내부 상태를 "추정"하는 도구일 뿐, 잡음이 섞인 측정값에서 최적의 추정치를 통계적으로 계산하는 칼만 필터와는 출발점이 다릅니다. 또한 관측기가 제대로 작동하려면 애초에 그 상태가 측정 가능한 값들로부터 이론적으로 추정 가능해야 하며, 이는 가제어성과 가관측성이 확보되어 있는지와 직결된 문제입니다.