상태 변수는 시스템의 현재 상태를 압축해 나타내는 변수 집합이며, 제어 공학과 순차적 의사결정 모두에서 핵심 개념으로 쓰인다.[1][2]
1. 개요
상태 변수는 시스템의 현재 상태를 대표하도록 선택한 변수들의 집합이다. 제어 공학에서는 전달 함수가 입력과 출력 사이의 관계를 다루는 반면, 상태 변수는 시스템 내부에서 에너지를 저장하거나 동작을 결정하는 핵심 정보를 함께 보려는 접근에 가깝다.[1][3] 이런 관점은 동적 시스템을 시간에 따라 추적하고, 필요한 정보만으로 미래 거동을 기술하는 데 유리하다.[1][2]
실무적으로는 상태 변수를 잘 고르는 일이 모델의 해석 가능성과 제어 성능을 좌우한다. 상태 변수 모델은 시스템을 상태 공간의 형태로 다루기 때문에, 내부 구조가 드러나지 않는 블랙박스보다 설계와 분석이 쉽다.[1][4] 특히 고차 시스템이나 복합 시스템에서는 전달 함수만으로는 다루기 번거로운 동작을 더 체계적으로 정리할 수 있다.[3][4]
2. 제어 공학에서의 상태 변수
고전 제어 이론에서는 전달 함수로 시스템의 동특성을 설명하는 일이 많지만, 시스템 차수가 커질수록 그 표현은 급격히 복잡해진다.[3] 상태 변수 접근은 이러한 한계를 보완하기 위해 내부 상태를 직접 기술하고, 상태 변수 제어 이론이나 상태 변수 피드백 제어 같은 설계 방법으로 이어진다.[3] 이 때문에 같은 시스템이라도 전달 함수 관점과 상태 변수 관점은 서로 다른 정보를 강조한다.[1][3]
상태 변수 모델은 보통 상미분 방정식으로 표현된다. 각 상태의 시간 변화율을 1차 방정식으로 적고, 그 집합이 전체 시스템의 거동을 설명한다.[1][4] 상태 변수의 수는 대체로 시스템의 차수와 연결되며, 에너지 저장 요소에 대응하는 자연 변수를 택하는 경우가 많다.[1][4]
3. 상태 공간과 상태 방정식
상태 변수 모델의 핵심은 현재 시점의 상태가 다음 시점의 변화를 충분히 결정하도록 만드는 데 있다. 그래서 상태 방정식은 현재 상태와 입력을 바탕으로 다음 상태를 계산하는 형태를 취한다.[1] 이러한 구조는 상태 공간 표현과 함께 쓰이며, 시스템의 동작을 시간 영역에서 직접 해석할 수 있게 해 준다.[1][4]
같은 맥락에서 상태 변수는 단순한 보조값이 아니라 모델의 최소 표현을 구성하는 요소로 취급된다. 모델이 너무 많은 변수를 쓰면 해석이 흐려지고, 너무 적게 쓰면 동적 정보를 놓칠 수 있다.[1][4] 따라서 상태 변수 선정은 물리적 의미와 수학적 간결성 사이의 균형을 잡는 작업이다.[1]
4. 순차적 의사결정에서의 상태 변수
상태 변수라는 말은 순차적 의사결정 문제에서도 쓰인다. 이 경우 상태는 현재 시점에 미래의 선택과 보상을 판단하는 데 필요한 정보를 압축한 것이다.[2] 마르코프 성질과 연결해 보면, 현재 상태가 충분하다면 과거의 경로를 모두 저장하지 않아도 다음 결정을 세울 수 있다.[2]
이 관점에서는 상태가 단순한 수치가 아니라 의사결정 문제의 정보 구조를 나타낸다. 같은 용어를 쓰더라도 공학과 최적화 분야는 강조점이 조금 다르지만, 둘 다 현재 상태가 시스템의 미래를 대표해야 한다는 점을 공유한다.[2] 그래서 상태 변수는 제어와 최적화 양쪽에서 공통의 언어로 기능한다.[2][4]
5. 상태 변수와 경로 변수의 차이
상태 변수는 현재의 정보로 미래를 기술하려는 개념이고, 경로 변수는 그 상태에 도달하기까지의 과정을 함께 반영하는 개념이다.[5] 열역학이나 화학에서 이 둘을 구분하는 이유는, 어떤 물리량은 과정에 의존하고 어떤 물리량은 현재 상태만으로 정해지기 때문이다.[5] 이런 구분은 제어와 모델링에서도 유용한 비유가 된다.[2][5]
경로 변수의 이력이 중요할 때는 그 이력을 상태 변수로 재구성해 넣어야 한다. 즉, 미래 예측에 필요한 정보가 과거의 과정에 흩어져 있다면, 그 정보를 현재 상태로 요약해야 한다.[2][5] 이렇게 하면 복잡한 과정 의존성을 상태 공간 표현으로 바꿔 다루기 쉬워진다.[2]
6. 응용
상태 변수는 제어 시스템 설계, 동적 시스템 해석, 디지털 제어기 구성 같은 영역에서 널리 쓰인다.[3][4] 특히 고차 시스템이나 내부 상태가 중요한 시스템에서는 상태 변수를 쓰면 설계자가 필요한 정보를 직접 다룰 수 있어 해석과 조정이 수월해진다.[3]
또한 상태 변수는 순차적 의사결정 문제의 모델링에서도 핵심 개념이다.[2] 공학과 최적화에서 다루는 시스템이 달라도, 현재 상태를 잘 정의해야 예측과 제어가 가능하다는 원리는 같다.[2][4] 이런 이유로 상태 변수는 제어 이론과 동적 최적화 사이를 잇는 기본 용어로 자리 잡고 있다.[1][2]