시스템 식별 (System Identification)
쉽게 풀면
어떤 시스템의 내부 구조를 정확히 모를 때, 입력을 넣어보고 나오는 출력을 관찰해서 "이 시스템은 대략 이런 수식으로 동작한다"는 모델을 역으로 추정하는 작업이 시스템 식별이다. 예를 들어 자동차에 특정 조향각을 주고 실제로 어떻게 반응하는지 측정한 뒤, 그 데이터에 가장 잘 맞는 수학 모델을 찾아내는 식이다. 이렇게 얻은 모델은 이후 제어기 설계나 시뮬레이션에 활용된다. 물리 법칙만으로 모델링하기 어려운 복잡한 시스템(엔진, 생체 시스템 등)에서 특히 유용하다.
왜 중요한가
제어기 설계나 시뮬레이션은 대상 시스템의 정확한 수학적 모델이 있어야 제대로 이루어질 수 있는데, 실제 시스템은 마찰, 비선형성, 복잡한 내부 구조 등으로 물리 법칙만으로 모델을 유도하기 어려운 경우가 많습니다. 시스템 식별은 측정 데이터로부터 실용적인 모델을 얻는 현실적인 대안을 제공하기 때문에, 로봇공학·항공우주·생체공학 등 제어가 필요한 거의 모든 공학 분야에서 핵심적인 기초 단계로 다뤄집니다.
논문에서는 이렇게 쓰입니다
실제 측정한 주파수 응답 데이터에 가장 잘 맞는 2차 방정식 형태의 시스템 모델을 찾아냈다는 뜻이다.
로봇공학에서는 복잡한 기계 구조의 움직임을 물리식으로 완전히 유도하기 어려울 때, 실험 데이터를 통해 제어에 쓸 수 있는 모델을 역으로 추정한다는 것을 보여줍니다.
조금 더 깊게 보면
시스템 식별에서는 흔히 계단 입력이나 임의의 잡음 신호처럼 시스템의 다양한 동적 특성을 잘 드러내는 입력을 사용하며, 얻어진 모델이 실제 시스템을 얼마나 잘 설명하는지는 별도의 검증용 데이터로 확인하는 것이 일반적입니다. 모델의 구조를 사전에 어느 정도 가정하고 파라미터만 추정하는 방식과, 구조 자체를 데이터로부터 유연하게 추정하는 방식이 함께 쓰이며, 데이터에 지나치게 맞춘 모델은 새로운 조건에서 예측력이 떨어질 수 있다는 점도 함께 고려됩니다.
주의할 점
식별에 사용한 입력 신호의 주파수 범위를 벗어난 영역에서는 모델의 예측 정확도가 떨어질 수 있다.