이 연구 주제는 제어시스템이 외부 공격, 통신 오류, 센서 이상, 모델 불확실성과 같은 다양한 위협 환경에서도 안정적으로 동작하도록 만드는 이론과 기술을 다룬다. 연구실은 전통적인 안정도 해석을 넘어, 사이버-물리 시스템 관점에서 제어 루프 전반의 취약성을 분석하고, 공격 상황에서도 시스템의 성능 저하를 최소화할 수 있는 복원력(resilience) 있는 제어 구조를 설계하는 데 초점을 맞춘다. 특히 네트워크로 연결된 제어시스템에서 발생할 수 있는 은닉형 공격, zero-dynamics attack, 센서 공격 및 계산 위변조 문제를 수학적으로 모델링하고 이에 대한 대응 원리를 체계화한다. 방법론 측면에서는 상태추정기, 분산 관측기, 외란 관측기, 강인 안정화 기법, 검증 가능한 계산 기법 등을 결합하여 공격 탐지와 제어 성능 보장을 동시에 달성하고자 한다. 연구실의 학술 활동에는 암호화된 제어 시스템에서의 공격 분석, 인증 가능한 제어 신호 계산, 분산 집계 환경에서의 안전한 제어, 네트워크 전환 및 불완전 통신 상황을 고려한 관측기 설계 등이 포함된다. 이러한 접근은 단순히 시스템을 보호하는 수준을 넘어, 공격이 발생하더라도 시스템이 임무를 계속 수행할 수 있도록 하는 실질적 복원력 확보에 목적이 있다. 응용 측면에서는 스마트 제조, 자율 시스템, 전력 및 에너지 시스템, 차량 네트워크, 협동 로봇과 같은 실제 산업 환경에서 높은 파급력을 가진다. 앞으로는 보안성과 제어성능, 계산 효율을 동시에 만족시키는 통합 설계가 중요해지므로, 본 연구는 안전한 디지털 제어 인프라 구축의 핵심 기반이 될 수 있다. 또한 제어이론과 정보보호, 네트워크 시스템을 융합하는 연구 방향을 통해 차세대 지능형 제어시스템의 신뢰성 향상에 기여할 것으로 기대된다.

이 연구 주제는 민감한 시스템 데이터와 제어 명령을 평문으로 노출하지 않으면서도 원격 계산과 피드백 제어를 가능하게 하는 암호화 제어 기술을 다룬다. 연구실은 완전 동형암호를 활용하여 암호화된 상태에서 동적 시스템 연산과 제어기 계산을 수행하는 방법을 연구하고 있으며, 이를 통해 클라우드 기반 제어, 분산 제어, 네트워크 제어 환경에서 개인정보와 기밀성을 동시에 보호하는 새로운 제어 패러다임을 제시한다. 단순 암호화 전송이 아니라, 실제 제어 연산 자체를 암호문 영역에서 수행한다는 점이 핵심이다. 기술적으로는 LWE 기반 암호체계, 정수 계수 형태의 제어기 변환, 부트스트래핑 부담을 줄이거나 재암호화 없이 장시간 동작 가능한 구조, 암호화된 상태추정 및 분산 집계 기법 등이 주요 연구 대상이다. 관련 특허와 학술 발표에서 나타나듯이, 연구실은 무한 시간 구간에서의 암호화 동적 데이터 처리, 재부팅 및 제어신호 재암호화가 필요 없는 방식, 암호화된 최적화 및 인증 가능한 계산 등 실용적 제약을 고려한 문제를 적극적으로 다루고 있다. 이는 기존 암호이론을 제어공학 문제에 맞게 재구성하는 고난도 융합 연구에 해당한다. 이 분야의 의의는 안전한 원격 제어와 데이터 활용이 필수적인 미래 산업 환경에서 매우 크다. 스마트팩토리, 지능형 인프라, 차량-그리드 연계 시스템, 로봇 협업 환경에서는 제어 성능뿐 아니라 데이터 기밀성이 동시에 요구되기 때문이다. 앞으로 연산 복잡도 감소, 실시간성 확보, 인증 및 무결성 검증 강화가 더욱 중요해질 것이며, 본 연구는 제어공학과 암호학의 경계를 확장하는 선도적 방향으로 평가될 수 있다.

이 연구 주제는 서로 다른 동특성과 성능을 가진 다수의 에이전트가 네트워크를 통해 상호작용하며 공동의 목표를 달성하도록 만드는 협조제어 이론을 다룬다. 연구실은 특히 heterogeneous multi-agent systems에 주목하여, 동일한 모델을 가정하는 기존 합의 알고리즘의 한계를 넘어 실제 시스템의 비균질성과 복잡성을 반영한 분석 및 설계 방법을 발전시키고 있다. 동기화, 상태 일치, 출력 일치, 분산 계산, 분산 최적화 등 다양한 협조 문제를 하나의 이론적 틀 안에서 다루는 것이 특징이다. 핵심 방법론으로는 blended dynamics 접근, 특이 섭동 이론, 분산 관측기, 네트워크 전환 구조 분석, 간헐 통신을 고려한 관측 및 학습 알고리즘이 사용된다. 연구실은 강한 결합 하에서 나타나는 집단 거동을 해석하고, 자주 전환되는 그래프 구조나 통신 지연, 샘플드 데이터 환경에서도 안정성과 수렴성을 보장하는 결과를 축적해 왔다. 최근에는 분산 Q-learning, 분산 평균합의, 분산 최적화, 전기차 충전 스케줄링과 같은 데이터 기반·학습 기반 문제까지 연구 범위를 확장하고 있어, 고전 제어와 현대 분산지능의 접점을 형성하고 있다. 이 연구는 자율주행 차량 군집, 로봇 스웜, 에너지 네트워크, 센서 네트워크, 스마트 제조 셀과 같은 대규모 연결 시스템에 직접적으로 응용될 수 있다. 특히 각 개체가 완전히 동일하지 않고 통신 환경도 이상적이지 않은 실제 조건에서 협업을 가능하게 한다는 점에서 산업적 가치가 크다. 향후에는 안전 제약을 고려한 협조제어, 학습 기반 분산의사결정, 보안이 결합된 네트워크 제어로 발전하며, 초연결 사회의 핵심 제어 기반기술로 자리잡을 가능성이 높다.

이 연구 주제는 모델링 오차, 미지 외란, 측정 잡음, 비최소위상 특성 등 현실 시스템이 갖는 복합적인 불확실성 속에서도 원하는 제어 성능을 보장하는 강인 제어 기술을 다룬다. 연구실은 외란 관측기(Disturbance Observer)를 중심 축으로 하여, 시스템 내부 및 외부에서 발생하는 영향을 추정하고 이를 보상함으로써 빠른 응답성과 안정성을 동시에 확보하는 방법을 연구해 왔다. 이는 이론적 완결성뿐 아니라 실제 구현성과 산업 적용성 측면에서도 매우 중요한 주제이다. 연구 내용에는 Q-filter 대역폭 결정, 잡음 존재 하에서의 과도응답 및 정상상태 성능 보장, 비최소위상 선형 시스템의 강인 안정화, 샘플드 데이터 시스템에서의 외란 표현, reduced-order disturbance observer 설계, 고장 허용 제어 및 추종 성능 보장 등이 포함된다. 또한 데이터 기반 역모델 추정이나 가우시안 프로세스 회귀와 결합한 출력 피드백 설계처럼, 전통적 강인 제어 프레임을 현대 데이터 기반 방법과 연결하려는 시도도 나타난다. 이러한 연구는 단순한 보상기를 넘어서, 복잡한 시스템 동작을 체계적으로 해석하고 설계하는 일반 해법을 제공한다. 응용 분야는 항공우주, 차량 제어, 전력시스템, 로봇 매니퓰레이터, 마이크로그리드, 산업용 서보 시스템 등 매우 넓다. 실제 현장에서는 모델이 완벽하지 않고 외란이 상시 존재하기 때문에, 강인 제어는 고성능 자동화의 필수 요소이다. 앞으로는 안전보장 필터, 학습 기반 제어, 협동 매니퓰레이션과 결합하여 보다 유연하고 적응적인 제어 기술로 발전할 수 있으며, 연구실의 기반 이론은 이러한 확장에 중요한 역할을 수행할 것이다.