티스토리

DeepCampus

검색하기

블로그 홈

DeepCampus

pasus.tistory.com/m

AI for Dynamics and Control

구독자: 147

방명록 방문하기

주요 글 목록

[Continuous-Time] 밸런싱 변환을 이용한 모델 차원 축소 다음과 같은 선형 시불변(LTI) 시스템이 있다. \[ \begin{align}\dot{\mathbf{x}} &= A \mathbf{x}+B \mathbf{u} \tag{1} \\ \\ \mathbf{y} &= C\mathbf{x}+D \mathbf{u} \end{align} \] 여기서 \(\mathbf{x}(t) \in \mathbb{R}^n\) 는 상태변수, \(\mathbf{u}(t) \in \mathbb{R}^p\) 는 제어입력, \(\mathbf{y}(t) \in \mathbb{R}^q\) 는 출력이다. 이 LTI 시스템은 제어가능(controllable)하고 관측가능(observable)하며 안정(stable)하다고 가정한다. 그러면 이 시스템의 무한 제어가능성 그래미안(infi.. 공감수 0 댓글수 0 2024. 8. 8.
[Continuous-Time] 관측가능성과 제어가능성의 관계 다음과 같은 선형 시불변(LTI) 시스템이 있다. \[ \begin{align} \dot{\mathbf{x}} &=A \mathbf{x}+B \mathbf{u} \tag{1} \\ \\ \mathbf{y} &=C \mathbf{x}+D \mathbf{u} \end{align}\] 여기서 \(\mathbf{x}(t) \in \mathbb{R}^n\) 는 상태변수, \(\mathbf{u}(t) \in \mathbb{R}^p\) 는 제어입력, \(\mathbf{y}(t) \in \mathbb{R}^q\) 는 출력이다. 주요 제어가능성(controllability) 정리의 의하면 시스템 \((A, B)\) 가 제어가능하기 위한 필요충분 조건은 제어가능성 행렬 \(Q_c\) 의 랭크(rank)가 \(n\) .. 공감수 0 댓글수 0 2024. 8. 1.
[Continuous-Time] 관측가능성 (Observability) 다음과 같은 선형 시불변(LTI) 시스템이 있다. \[ \begin{align} \dot{\mathbf{x}} &= A \mathbf{x}+B \mathbf{u} \tag{1} \\ \\ \mathbf{y} &=C \mathbf{x}+D \mathbf{u} \end{align} \] 여기서 \( \mathbf{x}(t) \in \mathbb{R}^n \) 는 상태변수, \( \mathbf{u}(t) \in \mathbb{R}^p \) 는 제어입력, \( \mathbf{y}(t) \in \mathbb{R}^q \) 는 제어입력이다. 만약 미지의 초기 상태 \(\mathbf{x}(0)\) 에 대해 시간 범위 \(t \in [0, \ t_1]\) 에서의 입력 \(\mathbf{u}(t)\) 와 출력 \(.. 공감수 0 댓글수 0 2024. 7. 31.
[Continuous-Time] 최소에너지 제어와 그래미안 다음과 같은 선형 시불변(LTI) 시스템이 있다. \[ \dot{\mathbf{x}} =A \mathbf{x}+B \mathbf{u} \tag{1} \] 여기서 \(\mathbf{x}(t) \in \mathbb{R}^n\) 는 상태변수, \(\mathbf{u}(t) \in \mathbb{R}^p\) 는 제어입력이다. 방정식 (1)의 해는 다음과 같다. \[ \mathbf{x}(t)=e^{At} \mathbf{x}(0)+ \int_0^t e^{A(t-\tau)} B \mathbf{u}(\tau) \ d \tau \tag{2} \] 이 시스템이 제어가능(controllable)하다면 유한 시간 \(t_1 \lt \infty\) 안에 임의의 초기 상태 \(\mathbf{x}(0)= \mathbf{x}.. 공감수 0 댓글수 0 2024. 7. 29.
[Continuous-Time] 제어가능성 그래미안 시스템 \((A, B)\) 의 제어가능성 그래미안(controllability gramian) \(W_c\) 는 다음과 같이 정의한다 (참고로 여러 문헌을 보면 그래미안을 grammian 으로 표기 한 것도 있고 gramian 으로 표기 한 것도 있다). \[ W_c (t)= \int_0^t e^{A \tau} BB^T e^{A^T \tau} \ d \tau \tag{1} \] 시스템이 제어가능하기 위한 필요충분 조건은 임의의 \(t \gt 0\) 에 대해서 \(W_c (t) \gt 0\) 이라는 것은 이미 증명하였다 (https://pasus.tistory.com/336). 식 (1)의 그래미안 행렬은 다음 미분방정식의 해다. \[ \dot{W}_c (t)=AW_c+W_c A^T+BB^T,.. 공감수 0 댓글수 0 2024. 7. 25.
[Continuous-Time] 안정성과 리야프노프 방정식 행렬 \(A\) 의 모든 고유값이 음의 실수부를 갖는다면 행렬 \(A\) 는 안정(stable)하다고 한다. 만약 행렬 \(A\) 가 안정하다면 다음 리야프노프 방정식(Lyapunov equation), \[ A^T P+PA=-N \tag{1} \] 은 모든 행렬 \(N\) 에 대해서 유일해를 갖고, 그 해는 다음과 같다. \[ P= \int_0^\infty e^{A^T t} N e^{At} \ dt \tag{2} \] 증명은 다음과 같다. 먼저 식 (2)를 (1)에 대입한다. \[ \begin{align}A^T P+PA &= \int_0^\infty A^T e^{A^T t} N e^{At} \ dt + \int_0^\infty e^{A^T t} N e^{At} .. 공감수 0 댓글수 0 2024. 7. 25.
[Continuous-Time] 제어가능성과 PBH 테스트 다음과 같은 선형 시불변(LTI) 시스템이 있다. \[ \dot{\mathbf{x}}=A\mathbf{x}+B\mathbf{u} \tag{1} \] 여기서 \(\mathbf{x}(t) \in \mathbb{R}^n\) 는 상태변수, \(\mathbf{u}(t) \in \mathbb{R}^p\) 는 제어입력이다. 이 시스템이 제어불가능하다면 제어불가능한 고유값(uncontrollable eigenvalue)이 존재한다 (https://pasus.tistory.com/337). 그렇다면 구체적으로 \(A\) 의 고유값 중 어떤 값이 제어불가능한 고유값일까. 이를 판별하기 위한 방법으로 PBH 테스트(Popov-Belevitch-Hautus test)가 있다. PBH 테스트에 의하면, 어떤 복소수 .. 공감수 0 댓글수 0 2024. 7. 24.
[Continuous-Time] 제어가능한 부분공간 다음과 같은 선형 시불변(LTI) 시스템이 있다. \[ \begin{align} \dot{\mathbf{x}}=A \mathbf{x}+B \mathbf{u} \tag{1} \end{align} \] 여기서 \(\mathbf{x}(t) \in \mathbb{R}^n\) 는 상태변수, \(\mathbf{u}(t) \in \mathbb{R}^p\) 는 제어입력이다. 이 시스템의 제어가능한 부분공간(controllable subspace) \(\chi_c\) 는 제어가능성 행렬(controllability matrix)의 레인지(range, 치역)로 정의한다. \[ \begin{align} \chi_c=range(Q_c) \tag{2} \end{align} \] 여기서 제어가능성 행렬 \(Q_c\) 는.. 공감수 0 댓글수 0 2024. 7. 23.
[Continuous-Time] 제어가능성 (Controllability) 다음과 같은 선형 시불변(LTI) 시스템이 있다. \[ \begin{align} \dot{\mathbf{x}} =A \mathbf{x}+B \mathbf{u} \tag{1} \end{align} \] 여기서 \( \mathbf{x}(t) \in \mathbb{R}^n \) 는 상태변수, \( \mathbf{u}(t) \in \mathbb{R}^p \) 는 제어입력이다. 만약 유한 시간 \( t_1 \lt \infty \) 안에 임의의 초기 상태 \(\mathbf{x}(0)=\mathbf{x}_0\) 에서 임의의 목표 상태(target state) \( \mathbf{x}(t_1 )=\mathbf{x}_1\) 으로 시스템의 상태를 움직이도록 하는 제어입력 \(\mathbf{u}(t), \ t \in .. 공감수 0 댓글수 0 2024. 7. 16.
연속시간 상태공간 방정식의 이산화 (Discretization) 보통 제어기는 디지털 방식으로 구현되고 있다. 이 방식에서는 제어기의 출력도 디지털 신호이기 때문에 일정한 시간 간격에서만 사용할 수 있다. 즉 이산시간(discrete-time) 단계에서만 새로운 제어입력 값을 사용할 수 있다. 하지만 제어 대상 시스템이 연속시간(continuous-time) 시스템이라면 연속적인 입력이 필요하기 때문에 간헐적으로 계산되는 제어 입력을 사용할 수는 없다. 이 때 일반적으로 사용하는 방법은 다음 샘플링 시간까지 제어입력 값을 일정하게 유지시키는 것이다. 이를 0차홀드(ZOH, zero-order hold) 방식이라고 한다. 물론 더 복잡한 유형의 홀드 연산도 가능하지만, ZOH가 가장 널리 사용된다. 연속시간 (continuous-time) 선형 시불변 (LTI, lin.. 공감수 1 댓글수 0 2024. 2. 12.
근궤적법 (Root locus method)에서 K→∞ 일 때의 근 두 개의 다항식 \(N(s)\) 와 \(D(s)\) 가 주어졌을 때, 근궤적법(root locus method)은 \(K\) 가 \(0\) 부터 \(\infty\) 까지 변할 때 다음 다항식의 근(root)을 복소평면 위에 스케치하는 방법이다. \[ 1+ K \frac{N(s)}{D(s)} = 0 \tag{1} \] 근궤적법은 다음과 같은 가정하에 수행된다. (1) \(N(s)\) 와 \(D(s)\) 의 계수는 모두 실수(real number)이고 최고차항의 계수는 \(1\)이다. (2) \(N(s)\) 와 \(D(s)\) 의 근은 알고 있다. (3) \(N(s)\) 와 \(D(s)\) 는 공통 근이 없다. (4) \(N(s)\) 의 차수(order)는 \(D(s)\) 의 차수보다 작거나 같다. 여기서 .. 공감수 0 댓글수 0 2023. 11. 3.
상태공간 방정식과 전달함수 모든 선형 시불변 (LTI, linear time-invariant) 시스템은 다음과 같이 상태공간 방정식(state-space equation)으로 표현할 수 있다. \[ \begin{align} \dot{\mathbf{x}}(t) &=A \mathbf{x}(t)+B\mathbf{u}(t) \tag{1} \\ \\ \mathbf{y}(t) &=C \mathbf{x}(t)+D \mathbf{u}(t), \ \ \ t \ge 0 \end{align} \] 여기서 \(\mathbf{x}(t) \in \mathbb{R}^n\), \(\mathbf{u}(t) \in \mathbb{R}^p\), \( \mathbf{y}(t) \in \mathbb{R}^q\) 이고 \(A, B, C, D\) 는 상수 행렬이다. 이.. 공감수 2 댓글수 0 2023. 9. 22.
상태천이행렬 (State Transition Matrix) 과 Floquet 정리 다음과 같이 선형 시불변 (LTI, linear time-invariant) 시스템이 있다. \[ \dot{\mathbf{x}}(t)=A \mathbf{x}(t) \tag{1} \] 여기서 \(\mathbf{x}(t) \in \mathbb{R}^n\) 는 상태변수, \(A \in \mathbb{R}^{n \times n}\) 는 상수 행렬이다. 이 시스템의 해는 다음과 같다 (https://pasus.tistory.com/234). \[ \mathbf{x}(t)=e^{A(t-t_0)} \mathbf{x} (t_0) \tag{2} \] 이번에는 다음과 같은 선형 시변(LTV, linear time-varying) 시스템의 해를 구해보자. \[ \dot{\mathbf{x}}(t)=A(t) \mathbf{x}.. 공감수 3 댓글수 0 2023. 6. 30.
쿼터니언 기반 자세제어 질량중심을 기준으로 강체의 회전 운동방정식은 다음과 같다 (https://pasus.tistory.com/191). \[ \vec{M}_G= \bar{I}_G \cdot \frac{ ^b d ^i \vec{\omega}^b}{dt} + {^i \vec{\omega}^b} \times (\bar{I}_G \cdot { ^i \vec{\omega}^b }) \tag{1} \] 여기서 \(\{i\}\) 는 관성좌표계, \(\{b\}\) 는 강체좌표계, \(^i \vec{\omega}^b\) 는 강체좌표계의 각속도 벡터, \(G\) 는 강체의 질량중심, \(\bar{I}_G\) 는 질량중심점에 대한 관성 다이아딕, \(\vec{M}_G\) 는 강체에 작용하는 질량 중심점에 대한 모멘트이다. 식 (1)을 강체좌표.. 공감수 3 댓글수 0 2023. 3. 18.
[PX4] 멀티콥터 자세 명령 PX4의 위치 제어기에서는 원하는 궤적(desired trajectory) 정보를 이용하여 추력 벡터를 계산한다. 관성 좌표계 \(\{i\}\) 로 표현된 추력 벡터는 별도로 주어지는 방위각(azimuth angle) 명령 \(\psi_{cmd}\) 와 함께 자세 명령(attitude command) 계산 모듈로 보내져서 쿼터니언 \(\mathbf{q}_{cmd}\) 로 파라미터화된 자세 명령을 생성하게 된다. 쿼터니언 \(\mathbf{q}_{cmd}\) 를 계산하기 위해서는 먼저 관성 좌표계 \(\{i\}\) 에 대해서 동체 좌표계 \(\{b\}\) 가 취해야 할 목표 좌표계를 구해야 하는데 이 좌표계를 \(\{d\}\) 라고 하자. 그러면 \(\mathbf{q}_{cmd}=\mathbf{q}_d^i.. 공감수 0 댓글수 0 2023. 2. 25.
[PX4] 멀티콥터 자세제어 알고리즘 - 3 PX4의 위치 제어기에서 추력 벡터를 계산한 후, 별도로 주어지는 방위각(azimuth angle) 명령 \(\psi_{cmd}\) 와 합쳐서 멀티콥터가 취해야 할 자세(attitude)를 결정한다. 이 자세는 쿼터니언 \(\mathbf{q}_{cmd}\) 로 파라미터화 되는데 이를 좌표계로 표시하면 다음 그림과 같다. 여기서 \(\vec{F}_{cmd}\) 는 위치 제어기에서 계산한 추력 벡터 명령, \(\{i\}\) 는 관성 좌표계, \(\{b\}\) 는 동체 좌표계, \(\{d\}\) 는 쿼터니언 \(\mathbf{q}_{cmd}\) 로 파라미터화된 좌표계이다. \(\mathbf{q}_{cmd}\) 는 관성 좌표계에 대한 좌표계 \(\{d\}\) 의 자세를 의미하므로 \(\mathbf{q}_{cmd.. 공감수 0 댓글수 0 2023. 2. 24.
[PX4] 멀티콥터 자세제어 알고리즘 - 2 회전축 \(\hat{p}\) 를 중심으로 회전각 \(\beta\) 만큼 회전하거나, 회전축 \(-\hat{p}\) 를 중심으로 회전각 \(2\pi-\beta\) 만큼 회전하거나 물리적으로 같은 회전이다. 따라서 쿼터니언(quaternion)의 정의에 의하면 다음식이 성립한다. \[ \begin{align} \mathbf{q} &= \begin{bmatrix} \cos⁡ \left( \frac{\beta}{2} \right) \\ \mathbf{p} \sin \left( \frac{\beta}{2} \right) \end{bmatrix} = \begin{bmatrix} \cos⁡ \left( \frac{2\pi-\beta}{2} \right) \\ -\mathbf{p} \sin \left( \frac{2\.. 공감수 1 댓글수 0 2023. 2. 23.
[PX4] 멀티콥터 자세제어 알고리즘 - 1 PX4의 멀티콥터(multicopter) 비행제어기는 자세/각속도 제어기인 내부루프와 위치 제어기인 외부루프로 구성되어 있다. 위치 제어기는 내부나 외부 임무 모듈로부터 멀티콥터의 목표 궤적(desired trajectory)을 받아서 추력의 크기와 자세 명령(attitude setpoint)을 생성하고, 자세/각속도 제어기는 이를 받아서 추력과 모멘트 명령을 생성하게 된다. 최종적으로 제어력 할당 모듈을 통해서 멀티콥터의 로터 회전속도를 제어한다. 자세 제어기는 각속도 명령을 생성해 내며 각속도 제어기는 이를 받아서 추력과 모멘트 명령을 생성한다. 자세 제어기는 \(250 Hz\), 각속도 제어기는 \(1 kHz\), 위치 제어기는 \(50 Hz\) 의 빠르기로 작동한다. 따라서 내부루프는 외부루프에 .. 공감수 1 댓글수 0 2023. 2. 22.
[DI-2] 내부 동역학 (Internal Dynamics) 다음과 같은 \(\mathbf{x}(t) \in \mathbb{R}^n\), \(\mathbf{u}(t) \in \mathbb{R}^p\), \(\mathbf{y}(t) \in \mathbb{R}^p\) 인 정방형 선형 시스템에 대해서 \[ \begin{align} & \dot{\mathbf{x}} = A \mathbf{x}+B \mathbf{u} \tag{1} \\ \\ & \mathbf{y}=C \mathbf{x} \end{align} \] DI(Dynamic Inversion, 모델 역변환) 제어입력은 다음과 같이 계산되었다. \[ \mathbf{u}=(CB)^{-1} (\nu -CA \mathbf{x} ) \tag{2} \] 여기서 \(\nu\) 는 보조입력(auxiliary input)이다. 식.. 공감수 0 댓글수 0 2023. 1. 20.
[DI-1] 동적 역변환 (Dynamic Inversion) 전통적으로 비행제어 법칙은 게인 스케줄링(gain scheduling) 기법을 이용하여 설계되었다. 게인 스케줄링은 선형제어 설계 방법을 비선형 시스템에 적용하기 위한 것으로서 제어 게인(gain)을 작동 조건에 따라 다르게 설계하는 기법이다. 게인 스케줄링에서는 다양한 비행조건에서 선형화된 여러 개의 운동 모델에 기반하여 제어 게인을 설계한 후 비행조건에 따라서 제어 게인을 변화시킨다. 이를 이용하면 선형제어 시스템의 작동 영역을 일부로 한정시키지 않고 비행영역(flight envelope) 전체로 확장시킬 수 있다. 게인 스케줄링을 이용한 제어 시스템은 일반적인 제어 시스템과 달리 제어 게인이 비행 조건에 따라 변하기 때문에 설계하는데 시간이 많이 걸리고 반복하는데 비용이 많이 들며 공학적 경험에 크.. 공감수 0 댓글수 0 2023. 1. 4.
비선형 시스템과 매니폴드 (Manifold) 시스템이 선형 시불변이면 시스템의 고유값(eigenvalue)을 이용하여 쉽게 안정성을 판별할 수 있었다. 시스템이 비선형일 경우에도 평형상태에 대해서 선형화를 한 후에 평형상태 근방에서 로컬 안정성을 판별할 수 있을 것이다. 다음과 같은 비선형 시스템이 있다고 하자. \[ \dot{\mathbf{x}} = \mathbf{f}( \mathbf{x}) \tag{1} \] 여기서 \(\mathbf{x}(t) \in \mathbb{R}^n\) 는 상태변수이다. 또한 \(\mathbf{x}_e\) 를 시스템 (1)의 평형점(equilibrium point)이라고 하자. \[ \mathbf{f}( \mathbf{x}_e )=0 \tag{2} \] 이제 새로운 변수를 \(\mathbf{y}= \mathbf{x}-\.. 공감수 1 댓글수 0 2023. 1. 1.
선형 시스템과 부분공간 (Subspace) 다음과 같이 상태변수의 선형 미분 방정식으로 표현되는 운동 방정식이 있다고 하자. \[ \dot{\mathbf{x}}=A \mathbf{x} \tag{1} \] 여기서 \(\mathbf{x}(t) \in \mathbb{R}^n\) 는 상태변수, \(A \in \mathbb{R}^{n \times n}\) 는 상수 행렬이다. 이 시스템의 해는 다음과 같다. \[ \mathbf{x}(t)= e^{At} \mathbf{x}(0) \tag{2} \] 이전 포스트에서는 행렬지수함수(matrix exponential) \(e^{At}\) 의 계산에 대해서 알아보았다 (https://pasus.tistory.com/233). 시스템 (1)의 운동 특성은 행렬 \(A\) 의 고유값과 고유벡터에 따라 달라진다. 먼저 행.. 공감수 0 댓글수 0 2022. 12. 27.
행렬지수함수 (Matrix Exponential) 계산 행렬 \( A \in \mathbb{R}^{n \times n}\) 의 행렬지수함수(matrix exponential) \(e^{At}\) 는 다음과 같이 정의된다. \[ e^{At}=I+At+\frac{1}{2} A^2 t^2+\frac{1}{3!} A^3 t^3 + \cdots \tag{1} \] 몇가지 특별한 형식을 갖는 행렬 \(A\) 의 지수함수를 계산해보고, 일반적인 행렬에 대한 계산으로 확장시켜 보도록 한다. 먼저 \(A\) 가 대각행렬일 경우다. \[ A= \begin{bmatrix} \lambda_1 & 0 & 0 \\ 0 & \lambda_2 & 0 \\ 0 & 0 & \lambda_3\end{bmatrix} \tag{2} \] 이 때는 \[ A^n= \begin{bmatrix} \la.. 공감수 2 댓글수 0 2022. 12. 24.
리야프노프 안정성 (Lyapunov stability) 이론 시불변 시스템 \(\dot{\mathbf{x}} = \mathbf{f}(\mathbf{x})\) 의 안정성에 대한 정의에 이어서 이번에는 시스템의 안정성을 판별할 수 있는 이론에 대해서 알아보겠다. 시스템이 선형 시불변이라면 시스템의 고윳값(eigenvalue)을 이용하여 쉽게 안정성을 판별할 수 있다. 시스템이 비선형일 경우에도 평형상태에 대해서 선형화를 한 후에 평형상태 근방에서 로컬 안정성을 판별할 수 있을 것이다. 이와 같은 안정성 판별 방법을 간접방법(indirect method)이라고 한다. 그러나 선형화를 사용하여 비선형 시스템의 로컬 안정성을 파악할 수 없는 상황이 있을 수 있다. 또한 선형화는 그 속성상 비선형 시스템의 전역(global) 안정성에 대해서는 알려줄 수가 없다. 물론 비선형.. 공감수 10 댓글수 0 2022. 9. 30.
리야프노프 안정성 (Lyapunov stability) 개념 수학에서 자율 미분방정식(autonomous differential equation) 또는 자율 시스템은 명시적으로 독립변수의 함수가 아닌 미분방정식 또는 시스템을 말한다. 독립변수가 시간이라면 시불변(time-invariant) 시스템이라고도 한다. 독립변수가 시간인 비선형 비자율 미분방정식은 \(\dot{\mathbf{x}}=\mathbf{f}(\mathbf{x}, t)\) 로, 자율 시스템 또는 시불변 시스템은 \(\dot{\mathbf{x}}=\mathbf{f}(\mathbf{x})\) 로 표기한다. 어떤 시불변 시스템 \(\dot{\mathbf{x}}=\mathbf{f}(\mathbf{x})\) 의 한 평형상태(equilibrium state)를 \(\mathbf{x}_e\) 라고 하자. 평형상.. 공감수 4 댓글수 0 2022. 9. 27.
[Continuous-Time] LTI 시스템과 인과 시스템 LTI시스템의 출력은 다음과 같이 입력과 임펄스 반응의 컨볼루션으로 주어진다. \[ y(t)= \int_{-\infty}^{\infty} u(\tau) h(t-\tau) \ d\tau \] 여기서 \(h(t-\tau)\) 는 시간 \(\tau\) 에서 시스템에 임펄스를 입력으로 가했을 때 시간 \(t\) 에서의 출력이다. 그런데 여기서 \( t \lt \tau\) 일 때 \(h(t-\tau)\) 의 값이 \(0\) 이 아니라면 조금 이상한 일이 벌어진다. 임펄스를 입력으로 가하기 이전에 그 결과인 임펄스 반응이 시간적으로 먼저 나오는 것으로 해석되기 때문이다. 이것은 인과 법칙에 위배된다. 원인이 앞서고 결과가 뒤따르는게 순리적으로 맞기 때문이다. 원인이 결과에 앞서는 시스템을 인과(causal) 시스템.. 공감수 1 댓글수 0 2022. 9. 13.
[Continuous-Time] LTI 시스템과 컨볼루션 입력과 출력의 관계식으로 표현하는 방법을 시스템의 외부적 표현 방법이라고도 하는데 다음과 같이 연산자(operator)를 이용하여 입출력 관계식을 함수로 나타낸다. \[ \mathbf{y}(t)= \mathcal{F} \{ \mathbf{u}(t), t\} \] 여기서 \(t\) 는 시간, \(\mathbf{u}(t)\) 는 입력, \(\mathbf{y}(t)\) 는 출력이다. 시불변 시스템의 경우 입력을 가한 싯점에 관계없이 출력이 동일해야 하므로 입출력 관계식은 다음과 같이 된다. \[ \mathbf{y}(t)= \mathcal{F} \{ \mathbf{u}(t) \} \] 한편 시불변이면서 동시에 선형인 경우에는 중첩의 원리가 적용되므로 시스템은 다음과 같은 특성을 가져야 한다. \[ \begin{.. 공감수 0 댓글수 0 2022. 9. 13.
[Continuous-Time] LTI 시스템 선형 시스템에 이어서 이번에는 시불변(time-invariant) 시스템이 무엇인지 알아보자. 시불변 시스템은 초기값 \(\mathbf{x}(0 )\) 을 시간 \(\tau\) 만큼 늦추고 입력 \(\mathbf{u}(t)\) 도 \(\tau\) 만큼 늦춰서 똑같은 형태로 시스템에 인가했을 때, 출력 \( \mathbf{y}(t)\) 도 \(\tau\) 만큼 늦춰진 채 똑같은 형태로 나오는 시스템이다. 즉 시스템의 초기값과 입력의 시점 따라 시스템의 출력이 바뀌지 않는 시스템을 말한다. 예를 들어서 '어제' A라는 초기값과 패턴을 갖는 신호를 시스템에 입력으로 주었더니 B라는 출력 신호가 나왔다고 했을 때, '오늘' 동일한 A라는 초기값과 입력 신호를 시스템에 가했더니 어제와 동일한 B라는 출력 신호가 .. 공감수 1 댓글수 0 2022. 9. 13.
주파수 응답 주파수 응답(frequency response)은 안정한 LTI(선형 시불변) 시스템에 싸인 또는 코사인 파형(sinusoids) 입력을 가했을 때 나오는 정정상태 응답(steady-state response)이다. 입력 \(u(t)\) 가 시스템에 가해지는 시간이 \(t=0\) 이라면 초기값이 \(0\) 이라는 가정하에서 인과(causal) LTI 시스템의 출력은 다음과 같다. \[ \begin{align} y(t) &= \int_0^t h(t-\tau) u(\tau) \ d\tau \tag{1} \\ \\ &= \int_0^t h(\tau) u(t-\tau) \ d\tau \end{align} \] 여기서 \(h(t)\) 는 LTI 시스템의 임펄스 반응(impulse response)이다. 이제 입력.. 공감수 1 댓글수 0 2021. 2. 5.
정정상태 응답과 과도 응답 영어로 steady-state response를 정정상태 응답, transient response를 과도 응답이라고 번역한다. 정정상태는 시스템의 출력이 안정되어서 시간이 흘러도 같은 값을 유지하거나 같은 패턴의 출력이 나오는 상태를 말한다. 과도 응답이란 출력이 \(0\)부터 시작하여 정정상태 응답으로 가는 동안의 과도기 응답을 말한다. 영어를 한자로 번역하고 표기는 한글로만 하기 때문에 오해하기 쉬운 용어가 됐다. 정정 행렬이라는 용어도 있는데 이 때 '정정' 은 영어로 positive-definite이다. '양의 값으로 규정된' 이라는 뜻이다. 아무튼 둘 다 정정이라고 번역한다. ‘과도’는 일상 용어로는 과일 깍는 칼을 말한다. 응답은 response를 번역한 것인데 '반응' 이라고 하기도 한다. .. 공감수 4 댓글수 0 2021. 2. 5.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.