부분공간 예측 제어(Subspace predictive control, SPC)는 입력-출력 측정값을 활용하여 명시적 모델 식별이 필요 없이 시스템의 향후 거동을 예측하는 데이터 기반 제어 전략이다. 기존 SPC는 알려지지 않은 입력 교란에 취약하여 제어 성능이 저하되고 정상상태 오차가 발생한다. 이러한 한계를 해결하기 위해 본 논문은 상태공간 표현을 내부모델 원리(IMP)를 통해 보강함으로써, 일정한 입력 교란의 영향을 본질적으로 완화하는 강건 SPC 방법을 제안한다. 이러한 보강은 별도의 교란관측기(DOB) 설계 없이도 적분 작용을 달성할 수 있게 한다. 제안 방법은 교란 억제를 향상시키기 위해 데이터 기반 알고리즘에 보조 교란을 도입하는 데이터 기반 프레임워크로 구현된다. 전달함수 분석을 통해 제안된 강건 SPC가 상수 교란을 제거하면서도 DOB의 역할을 유지함을 확인한다. 두 관성계(two-inertia system)에 대한 실험적 검증 결과, 제안된 방법은 기존 SPC에 비해 기준 추종(reference tracking) 성능을 유의하게 향상시키며, 추가적인 모델링 복잡성 없이도 교란 억제에서 효과적임을 입증한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.