[논문 리뷰] Physics-Based Causal Lifting Linearization of Nonlinear Control Systems Underpinned by the Koopman Operator

Nicholas Selby, Filippos E. Sotiropoulos외 1명|arXiv (Cornell University)|2021. 08. 24.

Model Reduction and Neural Networks인용 수 4

한 줄 요약

이 논문은 비선형 제어 시스템의 쿠퍼만 기반 리프팅 선형화에서 인과성 문제를 해결하기 위해 두 가지 물리 기반 방법을 제안한다: (1) 후행적 관측량을 그 적분 변수로 대체하고, (2) 입력 의존성을 깨뜨리기 위해 작은 관성 또는 용량 요소를 시스템에 추가하는 것. 이러한 방법들은 물리적으로 측정된 관측량을 사용하여 정확하고 인과적인 데이터 기반 모델링을 가능하게 하며, 수치 벤치마크에서 최신 기술보다 뚜렷이 뛰어난 성능을 보인다.

ABSTRACT

Methods for constructing causal linear models from nonlinear dynamical systems through lifting linearization underpinned by Koopman operator and physical system modeling theory are presented. Outputs of a nonlinear control system, called observables, may be functions of state and input, $\\phi(x,u)$. These input-dependent observables cannot be used for lifting the system because the state equations in the augmented space contain the time derivatives of input and are therefore anticausal. Here, the mechanism of creating anticausal observables is examined, and two methods for solving the causality problem in lifting linearization are presented. The first method is to replace anticausal observables by their integral variables $\\phi^*$, and lift the dynamics with $\\phi^*$, so that the time derivative of $\\phi^*$ does not include the time derivative of input. The other method is to alter the original physical model by adding a small inertial element, or a small capacitive element, so that the system's causal relationship changes. These augmented dynamics alter the signal path from the input to the anticausal observable so that the observables are not dependent on inputs. Numerical simulations validate the effectiveness of the methods.

연구 동기 및 목표

• 외부 입력에 의존하는 관측량이 존재할 경우 쿠퍼만 기반 리프팅 선형화에서 발생하는 근본적인 인과성 문제를 해결한다.
• 특히 에너지 소산 요소에서 기인하는 후행적 관측량의 물리적 기원을 규명한다.
• 물리적 해석 가능성을 유지하면서도 실제 센서 측정값을 활용하는 인과성 준수 리프팅 방법을 개발한다.
• 합성적이고 노이즈 민감한 관측량에 의존하지 않고도 비선형 제어 시스템에 대해 정확한 데이터 기반 시스템 식별을 가능하게 한다.
• 쿠퍼만 기반 모델링의 자율 시스템 적용과 실질적 제어 시스템 설계 간 격차를 메운다.

제안 방법

• 입력에 의존하는 관측량 φ(x,u)를 그 적분 변수 φ* = ∫φ dt로 대체하여, φ*의 시간 도함수가 ẋ나 Ẇ를 포함하지 않도록 보장함으로써 인과성 복원.
• 물리 시스템에 작은 관성 요소(질량) 또는 용량 요소(스프링)를 추가하여 신호 경로를 변경하고, 후행적 관측량이 미래 입력 의존성에서 분리되도록 함.
• 해당 보정된 동역학을 바탕으로 쿠퍼만 연산자 프레임워크 내에서 인과적인 리프팅 상태공간 모델 유도.
• 물리 법칙에서 유도된 관측 함수를 사용하여 리프팅 시스템을 구성함으로써 동적 모드 분해(DMD) 및 시스템 식별과의 호환성 확보.
• 비선형 구성 법칙을 가진 비선형 스프링-댐퍼 시스템에 대해 본 방법을 적용하고, KSOS 및 AL2/IL2 기준선과의 성능 비교를 통한 검증.
• 실제 관측량(DFL)과 합성 관측량(KSOS)을 사용한 모델을 비교하여 노이즈에 대한 강건성을 입증함으로써 제안된 방법이 뛰어난 노이즈 내성 확보.

실험 결과

연구 질문

• RQ1 비선형 제어 시스템에서 입력에 의존하는 관측량이 쿠퍼만 기반 리프팅에서 왜 후행적 리프팅 모델을 유도하는가?
• RQ2 인과성 문제의 근본 원인이 비선형 제어 시스템의 에너지 소산 요소의 물리적 구조에 기인하는가?
• RQ3 예를 들어 질량이나 용량을 추가하는 물리적 시스템 보정을 통해 리프팅 모델의 인과성을 복원할 수 있는가? 이때 시스템 동작은 변화하지 않는다.
• RQ4 후행적 관측량을 그 적분 형태로 대체함으로써 인과성 위반을 제거할 수 있으며, 이는 모델 정확도를 유지하는가?
• RQ5 제안된 방법은 합성 관측량을 사용하는 기존 쿠퍼만 기반 리프팅 기법에 비해 정확도와 노이즈 내성에서 어떻게 비교되는가?

주요 결과

• 무작위 입력을 가진 비선형 스프링-댐퍼 시스템에서 적분 기반 방법(AL2)이 관성 보정 방법(IL2)보다 중앙 오차에서 뛰어난 성능을 보이며, 오차가 1.0 vs. 1.6이다.
• IL2 방법은 90번째 백분위수 오차에서 더 낮은 수준(2.1 vs. 2.4)을 기록하여 다양한 입력 신호에 걸쳐 일관된 성능을 보였다.
• 특히 노이즈 조건에서 KSOS에 비해 모델 오차가 크게 감소하였으며, 합성 관측량에서의 노이즈 증폭으로 인해 KSOS는 급격히 성능 저하됨을 확인.
• DFL(Directly using physical observables)은 KSOS에 비해 뛰어난 노이즈 내성 확보를 통해 실제 신호 측정의 우수성을 입증.
• KSOS의 기저 함수를 개선함(예: 고차 다항식 또는 푸리에 기저)해도 물리적 연결성에 대한 통찰이 없이선 성능 향상이 미미함.
• 인과성 문제의 근본 원인은 외부 입력에 의존하는 에너지 소산 요소에서 기인하며, 에너지 저장 요소(예: 스프링)는 후행성을 유도하지 않는다.