最一开始，没有计算机，不论是微分方程的连续时间s变换，还是差分方程的离散时间z变换，应该都是是为了求解的方便。
但现在计算机的数值求解如此简单快速，单从求解方面来说，（或是从发论文的方面来看），频域方法好像已经没有存在的必要了，就像什么Routh判据一样，完成了历史任务，可以光荣退出历史舞台了（可惜的是，现在竟然还在教Routh判据）。而且频域方法，最终还是要转化为时域算法。可是真正做控制系统的工程的，LTI的系统，至今大部分时候还是要看（信号或系统的）Bode图的。了解到的很多非常国际顶尖的公司与工程师，有的是在做控制系统设计的时候，至少在系统实际运行之前，至今都会看Bode图。而且不光是控制系统，在信号处理（数字信号处理）等领域，也是如此，甚至更为明显。这是为什么呢？
个人认为比较重要的原因是物理直觉。这个词其实不严谨。其实频域方法很多时候也是不严谨，可就是有用。比如截止频率/带宽、中频频谱峰值、低频增益、高频增益，这几个关键点，有经验的一看，大致（注意是大致）就可以把响应曲线、鲁棒程度、高低中频干扰抑制、稳定程度、精度等看出来，而且真的是看出来，脑子中简单的计算就可以。更关键的是，想要改变某个特性（响应曲线、鲁棒程度、高低中频干扰抑制、稳定程度、精度等），也可以很直接的知道，该调哪些参数，改变这个特性大概会给其他特性带来什么影响。
相比之下，给你个微分方程，即使能通过计算机算出某些性能指标，但如果想要改变这个指标满足某一特定的要求，几乎就只能试凑了；而且很多时候，凑好了一个性能，另一个性能又不行了，因为是有相互影响的。
---
还有就是系统辨识了。物理建模往往忽略很多因素，给输入看输出的系统辨识则相对完整保存了「信息」。而实用的对控制要求较高的控制系统，从过程控制到飞行器控制，其系统辨识多是用的频域响应，有用确定信号的，也有用随机信号的。辨识误差的选取，验证准则的选取，往往也是基于频域指标，因为物理意义明确。否则的话，比如时域的最小二乘，加个权，那权值代表了什么明确物理意义么？也就只能说说什么遗忘过去啥的。但频域的指标，就明确地看出中低频的分布，进而知道更多的性质。
另一个方面，其实回到控制器设计，有优化指标的，包括最优、自适应与鲁棒H无穷等，其优化指标也同样存在类似的问题。
这诸多问题，很多时候，是靠经验。乃至最基本的不基于模型的PID调参。但如何将这些经验量化，是个大问题。这个问题不解决，谈不上真正的自学习、自适应控制，也谈不上真正的鲁棒控制。
另一方面说，靠经验，而经验又能调好，说明理论还没抓到一些东西。很像很多年前的物理学，化学等。
