# 라플라스 변환 복습

라플라스 변환은 시변(時變) 신호나 시스템을 주파수 영역으로 변환하여 해석하는 강력한 방법이다. 제어공학에서는 미분방정식으로 표현되는 동적 시스템을 해석하고 설계하는 데에 자주 활용된다. 선형 시불변(Linear Time-Invariant) 시스템의 미분방정식을 다룰 때, 초기조건과 외부입력 등을 효율적으로 고려하기 위한 핵심 도구로서 미분 연산을 간단한 대수 연산으로 치환하는 장점을 제공한다.

#### 라플라스 변환의 기본 정의

연속 신호 $f(t)$의 일변수 라플라스 변환은 다음과 같이 정의한다.

$$
\mathcal{L}{f(t)}(s) = \int\_{0}^{\infty} f(t)e^{-st} ,dt
$$

이때 $s$는 일반적으로 복소수 영역에서 $s = \sigma + j\omega$로 놓는다. 적분이 수렴하기 위해서는 적절한 $\sigma$가 존재해야 하며, 이를 통해 변환이 유효하게 정의되는 영역을 구할 수 있다. 그 영역을 수렴영역(Region of Convergence, ROC)이라 한다.

$F(s)$로 라플라스 변환 결과를 나타내면, 미분방정식에서 시간영역의 미분 연산이 $s$로 대응되고 초기조건이 대수적으로 표현되므로, 시스템 해석이 단순화된다. 제어기 설계나 회로 해석에 주로 이용되며 블록선도로 표현되는 시스템의 입출력 관계를 편리하게 다룰 수 있다.

#### 라플라스 변환의 수렴영역

함수 $f(t)$의 라플라스 변환 $F(s)$가 존재하기 위해서는 다음 적분이 유한값을 가져야 한다.

$$
\int\_{0}^{\infty} \bigl|f(t)e^{-st}\bigr| ,dt < \infty
$$

$s = \sigma + j\omega$에서 $\sigma$가 충분히 커야 위 적분이 수렴할 수 있으며, 어떤 $\sigma$ 이상에서만 적분이 수렴하는 형태가 자주 나타난다. 이를 통해 $\sigma$가 특정 값보다 크거나 작은 영역 등을 정리하여 ROC를 찾는다. 특정 신호(예: 지수 신호, 다항식과 지수 신호의 조합)에 대해서는 ROC가 쉽게 결정되지만, 복잡한 신호의 경우 좀 더 심화된 해석이 필요하다.

#### 라플라스 변환의 주요 성질

선형성(Linearity): 두 함수 $f\_1(t)$과 $f\_2(t)$의 라플라스 변환이 각각 $F\_1(s)$와 $F\_2(s)$라고 하면, 상수 $a, b$에 대해 $af\_1(t) + bf\_2(t)$의 라플라스 변환은 $aF\_1(s) + bF\_2(s)$가 된다. 이는 라플라스 변환을 이용하여 복잡한 신호를 단순한 신호의 선형 결합으로 분해하고, 각각에 대한 변환을 대수적으로 조합할 수 있음을 의미한다.

미분에 대한 성질: 시간영역에서 $f(t)$를 $n$번 미분한 신호의 라플라스 변환은 아래와 같이 표현된다.

$$
\mathcal{L}{f^{(n)}(t)}(s) = s^n F(s) - s^{n-1}f(0) - s^{n-2}f'(0) - \cdots - f^{(n-1)}(0)
$$

이는 제어시스템의 미분방정식을 $s$에 관한 대수 방정식으로 치환함과 동시에, 초기조건이 대수항으로 포함됨을 명시한다.

적분에 대한 성질: 시간영역에서의 적분에 대한 라플라스 변환은 분수 형태로 단순화된다.

$$
\mathcal{L}\Bigl{\int\_{0}^{t} f(\tau), d\tau\Bigr}(s) = \frac{1}{s}F(s)
$$

적분 연산은 제어 관점에서 누적 효과를 반영하고, 라플라스 영역에서는 $1/s$로 간단히 표현된다.

지연(Shift)에 대한 성질: 신호 $f(t-a)u(t-a)$(단, $u(t)$는 단위계단함수)의 라플라스 변환은 $e^{-as}F(s)$이다. 이는 시스템에 시간 지연이 존재할 때 주파수 영역에서 위상이 변화하고, 크기에서 $e^{-as}$와 같은 형태를 보인다는 점을 직접적으로 보여 준다.

#### 기본적 라플라스 변환 예시

여러 대표적인 신호에 대한 라플라스 변환은 제어공학에서 매우 자주 활용된다. 예컨대 $f(t)=\delta(t)$(단위 임펄스)의 라플라스 변환은 1이다. 지수 감쇠 신호 $e^{-at}u(t)$의 라플라스 변환은 $1/(s+a)$로 주어진다. 다항식 형태 $t^n u(t)$의 라플라스 변환은 $n! / s^{n+1}$이 된다. 다양한 입력신호에 대한 응답을 예측할 때 위의 전형적인 변환식을 기억하면 시간 영역에서의 해를 빠르게 도출할 수 있다.

#### 부분분수 전개를 통한 역변환

미지의 라플라스 변환 $F(s)$가 부분분수(partial fraction) 형태로 표현되면, 역변환을 구하기가 훨씬 수월해진다. 예를 들어,

$$
F(s) = \frac{3s + 1}{s(s+1)(s+2)}
$$

와 같은 형태가 있을 때, 이를 적절히 분해하여

$$
F(s) = \frac{A}{s} + \frac{B}{s+1} + \frac{C}{s+2}
$$

와 같은 방식으로 전개하면, 각각의 항에 대한 역라플라스 변환을 단순 합으로 구할 수 있다. 이것은 제어시스템에서 전달함수(Transfer Function)를 시간영역 해로 바꿀 때 자주 사용하는 기법이다.

#### 선형 시불변 시스템 해석에의 응용

라플라스 변환으로 표현한 전달함수 $G(s)$와 입력 $X(s)$ 간의 관계는 $Y(s) = G(s)X(s)$로 단순화된다. 이를 다시 역라플라스 변환함으로써 시간영역에서의 응답 $y(t)$를 구한다. 여기서 $G(s)$에 초기조건의 영향이 어떻게 나타나는지나, 시스템 극점(pole)과 영점(zero)이 동작 특성에 어떤 식으로 기여하는지를 라플라스 영역에서 편리하게 해석할 수 있다.

제어 블록선도를 라플라스 변환으로 분석하면 개루프 전달함수, 폐루프 전달함수 등을 손쉽게 찾을 수 있다. 예컨대 개루프 전달함수 $G(s)H(s)$를 이용하여 특성방정식을 세우고 극점을 구함으로써 안정성을 판단한다. 라플라스 변환 영역에서의 근궤적(Root Locus) 기법, 보드선도(Bode Plot) 등의 주파수 해석 역시 밀접하게 연계된다.

#### 간단한 C++ 예제

라플라스 변환 테이블을 이용하여 특정 전달함수에 대한 역변환을 구하는 상황을 가정한다. 실제로는 심볼릭 연산(예: 부분분수 전개)이 필요할 수 있지만, 여기서는 입력-출력 관계만 확인해 본다.

```c++
#include <iostream>
#include <complex>
#include <vector>
using namespace std;

int main() {
    // 제어계에서 s-영역 전달함수를 상정하여
    // 해당 전달함수의 극점, 영점 등을 임시적으로 계산하는 예시 코드
    // 단순 예시이므로 심볼릭 전개는 구현하지 않는다.

    // s-domain poles 예시
    vector<complex<double>> poles = { {-2.0, 0.0}, {-1.0, 0.0}, {0.0, 0.0} };
    vector<complex<double>> zeros; // 영점이 없다고 가정

    // 극점 정보를 출력
    cout << "Poles: " << endl;
    for (auto &p : poles) {
        cout << p << endl;
    }

    // 제어 응답 해석 등은 별도의 코드로 처리
    return 0;
}
```

#### 라플라스 역변환과 브로무위치 적분 공식

라플라스 변환의 역연산인 라플라스 역변환(inverse Laplace transform)은 보통 부분분수 전개나 이미 알려진 라플라스 변환 표를 활용하여 수행한다. 이때 일반적 정의에 따라 브로무위치(Bromwich) 적분으로 표현하기도 한다. 즉,

$$
f(t) = \frac{1}{2\pi j} \int\_{\gamma - j\infty}^{\gamma + j\infty} F(s)e^{st}, ds
$$

와 같이 복소 경로적분 형태로 정의한다. 하지만 실제 응용에서는 이 적분 자체를 직접 계산하기보다는 극점(pole)과 레지듀(residue)를 이용한 부분분수 전개가 훨씬 간편하기 때문에, 제어공학 문제 풀이에서는 그렇게 접근한다.

#### 중근이나 고차극점이 있는 경우의 부분분수 전개

실제로 전달함수(Transfer Function) 형태의 $F(s)$에 중근(重根)이 존재하는 경우, 아래와 같은 형태가 자주 등장한다.

$$
F(s) = \frac{N(s)}{(s+\alpha)^m}
$$

이때 $m$이 2 이상의 정수이면, 부분분수 전개에서

$$
\frac{A\_1}{(s+\alpha)} + \frac{A\_2}{(s+\alpha)^2} + \cdots + \frac{A\_m}{(s+\alpha)^m}
$$

의 형태가 나타난다. 각각의 계수 $A\_i$를 구하는 과정은 미분을 사용하거나 방정식을 풀어야 하며, 역라플라스 변환 시에도 해당 항에 맞는 시간영역 함수를 찾는다. 예컨대

$$
\mathcal{L}^{-1}\Bigl{\frac{1}{(s+a)^m}\Bigr} = \frac{t^{m-1}}{(m-1)!} e^{-at} u(t)
$$

의 식을 사용하여 각 항의 역변환을 합산한다.

#### 초기값 정리와 최종값 정리

특정 시간영역 특성을 빠르게 파악하기 위해 초기값 정리(Initial Value Theorem)와 최종값 정리(Final Value Theorem)를 사용할 수 있다. 각각 다음과 같은 형태를 가진다.

초기값 정리:

$$
\lim\_{t \to 0^+} f(t) = \lim\_{s \to \infty} sF(s)
$$

최종값 정리:

$$
\lim\_{t \to \infty} f(t) = \lim\_{s \to 0} sF(s)
$$

이때 최종값 정리는 $f(t)$가 무한히 발산하지 않고 정상상태에 도달한다는 가정(시스템이 안정되어 수렴한다는 가정)하에서만 유효하다. 만약 $F(s)$에 $s = 0$을 포함하는 오른쪽 평면상의 극점이 존재한다면, 그 시스템(또는 신호)은 안정적이지 않으므로 최종값 정리가 성립하지 않는다.

#### 콘볼루션 정리와 시스템 응답 해석

라플라스 변환에서 시간영역에서의 콘볼루션(convolution)이 주파수 영역에서는 단순 곱셈으로 대응된다. 즉,

$$
\mathcal{L}{f\*g}(s) = F(s) G(s)
$$

이며, 여기서 $\*$는 콘볼루션 연산을 의미한다. 이것은 제어공학에서 입력 $x(t)$와 임펄스응답 $h(t)$ 사이의 관계 $y(t) = x(t) \* h(t)$를 간단히 $Y(s) = X(s)H(s)$로 표현할 수 있게 해 준다. 덕분에 시스템 해석 시 전달함수 $H(s)$와 입력신호의 라플라스 변환을 곱해 출력신호 $Y(s)$를 얻고, 이를 다시 역변환하여 시간영역 해를 손쉽게 구할 수 있다.

#### 미분방정식 풀이와 초기조건 포함

시스템이 만족하는 선형 미분방정식

$$
a\_n \frac{d^n y(t)}{dt^n} + a\_{n-1} \frac{d^{n-1} y(t)}{dt^{n-1}} + \cdots + a\_1 \frac{dy(t)}{dt} + a\_0 y(t) = b\_m \frac{d^m x(t)}{dt^m} + \cdots + b\_0 x(t)
$$

을 라플라스 변환하면

$$
a\_n\Bigl\[s^n Y(s) - s^{n-1}y(0) - \cdots - y^{(n-1)}(0)\Bigr] + \cdots + a\_0 Y(s) = b\_m \Bigl\[s^m X(s) - s^{m-1}x(0) - \cdots\Bigr] + \cdots + b\_0 X(s)
$$

의 대수적 형태로 치환된다. 이때 $y(0), y'(0), \dots$ 등 초기조건이 $Y(s)$ 식에 직접 포함되는 것을 확인할 수 있다. 이를 정리하여 $Y(s)$를 구하면, 역변환을 통해 시간영역 해 $y(t)$를 구한다. 제어 알고리즘 개발에서는 이러한 단계별 과정이 자주 활용된다.

#### 제어 블록선도의 라플라스 해석

단순 미분방정식이 아니라 블록선도로 표현되는 복잡한 피드백 제어시스템도, 각 블록의 전달함수를 라플라스 영역에서 곱하거나 더함으로써 전체 전달함수를 구할 수 있다. 예를 들어, 단일 폐루프 시스템에서

$$
G(s) = \frac{Y(s)}{E(s)}, \quad H(s) = \frac{E(s)}{Y(s)}
$$

등으로 정의할 경우, 개루프 전달함수 $G(s)H(s)$의 극점이 폐루프 극점에 어떠한 영향을 미치는지 확인하기 위해 라플라스 영역에서만의 조작이 가능하다. 이것은 시간영역에서 복잡하게 피드백을 거치며 상호작용하는 효과를 직접 계산하는 대신, 간단한 대수적 연산으로 대체함으로써 시스템 해석을 간소화한다.

#### 라플라스 변환을 이용한 상태방정식 해석

상태방정식(State-Space Equation)은 다음과 같이 주어진다.

$$
\begin{aligned}
\dot{\mathbf{x}}(t) = \mathbf{A}\mathbf{x}(t) + \mathbf{B}\mathbf{u}(t)
\\\\
\mathbf{y}(t) = \mathbf{C}\mathbf{x}(t) + \mathbf{D}\mathbf{u}(t)
\end{aligned}
$$

여기서 $\mathbf{x}(t)$는 상태벡터, $\mathbf{u}(t)$는 입력벡터, $\mathbf{y}(t)$는 출력벡터, $\mathbf{A}, \mathbf{B}, \mathbf{C}, \mathbf{D}$는 행렬이다. 이를 라플라스 변환하면

$$
s\mathbf{X}(s) - \mathbf{x}(0) = \mathbf{A}\mathbf{X}(s) + \mathbf{B}\mathbf{U}(s)
$$

이 되므로,

$$
\begin{aligned}
(s\mathbf{I} - \mathbf{A})\mathbf{X}(s) &= \mathbf{x}(0) + \mathbf{B}\mathbf{U}(s)
\\\\
\mathbf{X}(s) &= (s\mathbf{I} - \mathbf{A})^{-1} \mathbf{x}(0) + (s\mathbf{I} - \mathbf{A})^{-1} \mathbf{B}\mathbf{U}(s)
\end{aligned}
$$

따라서 출력 $\mathbf{Y}(s)$에 대해서도

$$
\mathbf{Y}(s) = \mathbf{C}\mathbf{X}(s) + \mathbf{D}\mathbf{U}(s)
$$

로 식을 전개한다. 이때 $\mathbf{X}(s)$와 $\mathbf{Y}(s)$를 역라플라스 변환하여 시간영역 해석을 수행한다. 결과적으로 상태 천이행렬(State Transition Matrix)에 해당하는

$$
e^{\mathbf{A}t}
$$

의 라플라스 변환이 $(s\mathbf{I}-\mathbf{A})^{-1}$임을 확인할 수 있다.

#### 복소평면 상의 극점 및 안정성 해석

라플라스 변환에서 중요한 개념 중 하나는 $s$평면(복소평면) 상에서 극점이 위치하는 영역이 시스템의 안정성, 응답특성 등을 결정한다는 점이다. 제어시스템에서 전달함수 $G(s)$의 극점이 오른쪽 반평면(Re(s)>0)에 존재하면, 시간영역에서 지수적으로 발산하는 모드가 나타난다. 다시 말해 극점이 모두 왼쪽 반평면(Re(s)<0)에 놓여 있어야만 시스템이 안정적 동작을 하게 된다. 이는 미분방정식 해석 관점에서도 일치한다.

#### 라우스-후르비츠 안정판별법과 라플라스 영역

제어시스템의 특성방정식이 라플라스 변수 $s$로 표현될 때, 시스템이 안정하려면 모든 극점이 왼쪽 반평면(Re($s$)<0)에 놓여야 한다. 전달함수 $G(s)$를 갖는 폐루프 시스템의 특성방정식은 일반적으로

$$
a\_n s^n + a\_{n-1} s^{n-1} + \cdots + a\_1 s + a\_0 = 0
$$

의 형태가 된다. 라우스-후르비츠(Routh-Hurwitz) 안정판별법은 시스템이 안정적이기 위한 필요충분조건을 이 다항식의 계수들에 대한 테이블을 구성해 간단히 살필 수 있도록 해 준다.

이 방법에서는 라플라스 변환으로부터 얻은 특성방정식의 실수 계수들만 있으면 되고, 특성방정식의 모든 근이 실수 영역이든 복소 영역이든, 결과적으로 Re($s$)<0을 만족하기만 하면 안정성이 확보된다. 따라서 변환된 $s$영역에서 극점의 구체적인 위치를 찾지 않고도, 라우스 배열(Routh array)의 모든 행에 첫 번째 열 원소가 양(+)이면 안정이라고 판단 가능하다. 이렇게 라플라스 영역에서 나타나는 극점의 조건을 계수 배열만으로 간단히 검증하기 때문에, 제어시스템의 안정 해석이 간소화된다.

라우스-후르비츠 안정판별법은 제어공학에서 고전적으로 널리 사용되며, 보통 근궤적법(Root Locus)이나 주파수영역 기법 등의 다른 해석과 병행한다. 특히 고차시스템에 대해 극점을 직접 구하기 어려울 때, 라플라스 변환으로부터 얻은 고차 특성방정식의 안정성을 신속하게 체크하기에 유리하다.

#### 나이퀴스트 안정판별과 라플라스 영역

주파수영역에서의 나이퀴스트(Nyquist) 안정판별법 또한 라플라스 변환과 깊은 관련이 있다. $s$영역에서 $j\omega$축을 따라 변화시키며 전달함수 $G(j\omega)$가 복소평면을 어떻게 그리는지 살펴보는 방법으로, 상호변환 관계인 라플라스-푸리에 변환 사이의 성질을 활용한다.

나이퀴스트 플롯은 $s$-평면상에서 Re($s$)=0인 축을 따라가며 전환한 주파수응답 특성을 복소평면 위에 나타낸 곡선이다. 이 곡선이 $-1$점을 어떻게 둘러싸느냐(엔쿨로즈, encirclement)로 폐루프 시스템의 안정성을 판별한다. 이는 라우스-후르비츠와 마찬가지로, 폐루프 극점이 오른쪽 반평면에 존재하지 않아야 한다는 조건을 복소 적분이론(Argument Principle 등)을 이용해 그래픽적으로 나타낸 것이다.

이처럼 주파수영역에서의 나이퀴스트 플롯을 구하려면, 우선 라플라스 변환의 $s$를 $j\omega$로 대치하여 $G(s)$에서 $G(j\omega)$를 얻는다. 그 후 $\omega$를 $0$부터 $\infty$까지 변화시키며 나이퀴스트 궤적을 그린다. 이 접근은 고차 시스템에서도 등가적인 해석이 가능하고, 비정상(unstable) 개루프 시스템에 대해서도 예외적 상황을 추가로 고려해 해석할 수 있다는 장점이 있다.

#### 라플라스 변환과 시간지연 시스템

시간지연(Time Delay)이 있는 시스템, 즉 전달함수가 $e^{-Ls}$ 형태를 포함하는 경우, 시간영역에서 $f(t-L)u(t-L)$ 같은 지연연산이 발생한다. 라플라스 변환에서 이 항은 고차선형연산으로 단순화되지 않고, $e^{-Ls}$ 그 자체로 남게 된다.

지연이 포함된 전달함수는 고차시스템 또는 무한차시스템과 유사한 특성을 보이며, 안정성 판별이 복잡해지는 경우가 많다. 스미스 보상(Smith Predictor) 등 특수한 제어기법이 고안된 이유도 여기에 있다. $e^{-Ls}$ 항은 일반 다항식 형태의 라플라스 함수와는 달리, 극점을 무한히 많이 생성할 수도 있다. 그러나 실무에서는 유리함수 형태의 근사 기법(Pade 근사 등)을 통해 $e^{-Ls}$를 분모·분자 폴리노미얼로 근사하여, 다시 한번 라우스-후르비츠나 근궤적 기법으로 해석하기도 한다.

#### 라플라스 변환과 표준제어형 전달함수

PID 제어기나 Lead, Lag 등 표준 제어기 형식을 라플라스 영역에서 표현하면, 각 제어기의 동특성이 유리함수 형태로 정리된다. 예컨대 표준 PID 제어기는

$$
G\_{PID}(s) = K\_p + \frac{K\_i}{s} + K\_d s
$$

로 나타내며, 실제 구현 시에는 이상미분을 피하기 위해 저주파 필터를 붙여

$$
G\_{PID}(s) = K\_p + \frac{K\_i}{s} + \frac{K\_d s}{\tau s + 1}
$$

등으로 조정하기도 한다. 이러한 변환 표현을 통해 피드백 루프 내에서의 전달함수를 단순 곱으로 연결하여 전체 시스템 동작을 대수적 방식으로 해석한다.

파라미터 $K\_p, K\_i, K\_d$ 등에 따른 극점의 이동, 안정성 조건, 응답 특성(오버슈트, 과도응답 시간 등) 역시 라플라스 영역에서 쉽게 파악할 수 있다. 이는 블록선도 기반 해석과 병행하여, 최적 제어기 튜닝(예: Ziegler-Nichols 방법 등)에도 활용한다.

#### 심화된 C++ 예제

단순 전달함수를 넘어서, 시스템의 응답 시뮬레이션을 목적어로 하는 예제 코드를 생각해 볼 수 있다. 여기서는 시변 미분방정식을 직접 수치적으로 풀어보는 예시를 제시한다. 실제로는 라플라스 변환으로 해를 구할 수도 있지만, 수치 시뮬레이션을 통해서도 유사 결과를 검증할 수 있다.

```c++
#include <iostream>
#include <cmath>
#include <vector>
using namespace std;

// 2차 시스템 dy'' + 3dy' + 2y = u(t)를 단순화하여 수치적 해를 구해보는 예
// 초기조건 y(0)=0, y'(0)=0, 입력 u(t)=1 (단위계단)
// 오일러(Euler) 방법으로 근사

int main() {
    double dt = 0.001;
    double tEnd = 5.0;
    double a2 = 1.0;   // y'' 계수
    double a1 = 3.0;   // y' 계수
    double a0 = 2.0;   // y   계수
    double y = 0.0;    // 현재 y(t)
    double dy = 0.0;   // 현재 y'(t)
    double yNext, dyNext;

    for(double t = 0.0; t <= tEnd; t += dt){
        double u = 1.0; // 단위계단 입력
        // 미분방정식: y'' = (u - a1 dy - a0 y) / a2
        double ddy = (u - a1*dy - a0*y) / a2;

        // Euler 방법으로 적분
        yNext = y + dy*dt;
        dyNext = dy + ddy*dt;

        // 결과 갱신
        y = yNext;
        dy = dyNext;

        // t, y를 간단히 출력
        // 실제로는 파일로 저장하여 Plotting 툴에서 확인 가능
        cout << t << " " << y << endl;
    }
    return 0;
}
```

#### 라플라스 변환과 푸리에 변환의 관계

라플라스 변환은 일반적으로 $s = \sigma + j\omega$ 형태의 복소 변수에 대해 정의된다. 만약 $\sigma = 0$이면서 적분이 수렴한다면, 이는 푸리에 변환으로 해석할 수 있다. 즉

$$
\mathcal{F}{f(t)}(\omega) = \int\_{-\infty}^{\infty} f(t)e^{-j\omega t},dt
$$

의 정의역을 $t \ge 0$로 제한하고, $s = j\omega$로 치환해 보면,

$$
\mathcal{L}{f(t)}\bigl|*{s=j\omega} = \int*{0}^{\infty} f(t)e^{-j\omega t},dt
$$

로 이어져, 필요 조건만 만족된다면 라플라스 변환이 푸리에 변환의 영역을 포괄하는 형태임을 알 수 있다. 이러한 관계 때문에 주파수응답 분석, Bode 선도, 나이퀴스트 플롯 등의 기법에서 $s$를 $j\omega$로 대입하는 접근을 사용한다. 시스템이 안정적이면, 다시 말해 적절한 수렴영역이 확보되면, 라플라스 변환과 푸리에 변환을 서로 넘나들며 해석하는 것이 가능하다.

#### 라플라스 변환과 z-변환

디지털 제어나 이산시간(discrete-time) 시스템에서는 z-변환을 사용한다. 연속시간에서의 라플라스 변환과 이산시간에서의 z-변환은 그 정의와 특징이 다르지만, 서로 대응되는 개념이 존재한다. 예를 들어 연속시간에서의 적분이 이산시간에서는 합으로 변환되고, $e^{st}$ 항이 $z$로 대응된다.

샘플링 주기 $T$가 주어졌을 때, $s$-영역과 $z$-영역을 연결하는 대표적인 방식으로는 다음과 같은 쌍이 있다.

$$
z = e^{sT}
$$

를 통해 연속시간 시스템을 이산화(Discretization)할 수 있다. Tustin 변환(양자화된 bilinear 변환) 등도 같은 아이디어를 응용해, 안정역(Re($s$)<0)이 $|z|<1$로 매핑되도록 설정한다. 다만 샘플링과 양자화에 따른 효과가 있기 때문에, 라플라스 변환과 z-변환의 안정영역이 단순 일대일 대응을 하지는 않는다. 그래도 디지털 제어기 설계 시에는, 연속시간의 전달함수를 z-변환으로 변환하여 디지털 시스템 관점에서 극점이 단위원 내에 위치하도록 제어하는 과정을 거친다.

#### 양의 실제부와 감쇠지수

라플라스 변환이 정의될 때, $s$의 실수부 $\sigma$가 충분히 커야 적분이 수렴한다. 실제 제어시스템에서 입력 혹은 상태가 지수적 발산 형태로 성장하지 않는다면, 대응되는 $s$ 값의 범위가 존재한다. 제어 이론에서는 시스템의 지수적 안정성을 보장하기 위해, 시스템 극점(고유값)의 실수부가 음수임을 요구한다.

푸리에 변환은 $\sigma=0$ 선상에서 신호의 주파수 성분을 살펴보지만, 라플라스 변환은 $\sigma$가 양(+)의 값을 포함해 한쪽 반평면 전체를 커버하는 영역에서 정의 가능하므로, 보다 폭넓은 분석(초기조건이나 지수적으로 증가하는 특성의 유무 등)을 수행할 수 있다. 다만 실무 해석에서는 대개 안정 시스템이라는 전제하에 $\sigma \le 0$ 인근의 주파수 응답만 살펴보게 된다.

#### 극점-영점 맵과 응답 특성

시스템의 동작특성은 라플라스 영역에서의 극점(pole) 분포가 지배한다. 실제 제어 응답은 각 극점마다 $e^{s\_i t}$ 꼴의 지수 모드가 발생하여 합(superposition)되는 형태를 띤다. 이때 $s\_i$가 복소수라면 감쇠진동 모드가 생기며, 극점이 실제축의 왼쪽에 위치할수록 빠르고 강한 감쇠가 일어난다.

영점(zero)의 위치 또한 응답 특성에 영향을 끼치지만, 응답의 안정성은 극점이 결정한다. 영점은 시스템 과도응답에서 특정 진동 모드의 상대적 세기나 위상 변화를 유도하므로, 오버슈트를 줄이는 보상기 설계(Lead, Lag, PID 등)에서 영점 배치가 중요한 역할을 한다. 결국 라플라스 변환에서의 극점-영점 맵은 시간영역 응답을 직관적으로 연결 지어 볼 수 있는 강력한 도구다.

#### 라플라스 영역에서의 에너지 해석

푸리에 변환이 주파수별 에너지 스펙트럼을 제공하듯이, 라플라스 변환도 적절한 경로에서 (예: Re($s$)=상수) 신호의 주파수 특성을 관찰할 수 있다. 에너지가 유한한 시스템은 자연스럽게 Re($s$)>0 구간에서 수렴하기 쉬우며, 이때 지수적으로 감쇠시키는 항 $e^{-\sigma t}$가 적분을 안정화해 주기 때문이다.

만약 시스템이 무한 에너지를 가지는 발산 형태라면, 라플라스 변환이 존재하지 않는 구간이 생긴다. 이를 ROC(수렴영역)로 나타내어, 그 영역의 경계에서 시스템이 안정인지 혹은 발산 모드를 갖는지를 구별한다. 제어공학에서는 일반적으로 안정동작을 전제로 설계하므로, 충분히 큰 $\sigma$에서 변환이 가능하다고 가정하며 분석이 진행된다.

#### 유한구간 라플라스 변환

일반적으로 라플라스 변환은 $0$부터 $\infty$까지의 적분으로 정의되지만, 특정 상황에서는 유한구간에서의 적분을 취급하기도 한다. 예컨대

$$
\mathcal{L}{f(t)}\_{a}^{b} = \int\_a^b f(t) e^{-st}, dt
$$

와 같이, 구간을 제한하는 상황에서의 변환을 생각할 수 있다. 이런 변환은 시스템 분석보다는 부분 에너지나 일시적인 구간응답 등을 다룰 때 등장한다. 하지만 제어공학에서 주로 사용하는 범위는 무한구간 라플라스 변환이므로, 유한구간 라플라스 변환은 제한된 용도로만 쓰인다.

#### 실무에서의 라플라스 변환 활용

아날로그 제어에서 전형적으로 쓰이는 이론적 기반이 라플라스 변환이다. 센서, 액추에이터, 플랜트, 보상기(제어기) 등 모든 요소를 $s$-영역 전달함수로 나타낸 뒤, 피드백 루프를 폐쇄하여 전체 폐루프 전달함수를 얻는다. 이후 안정성 해석(라우스-후르비츠, 근궤적, 나이퀴스트, 보드선도 등)을 수행하고, 응답 스펙(과도응답, 정상오차, 위상여유, 이득여유)을 평가한다.

라플라스 변환은 미분방정식을 단일 차원인 $s$에 대한 다항식 문제로 치환함으로써, 복잡해 보이는 시변문제를 대수적으로 단순화한다. 초기조건까지 한 번에 고려할 수 있으므로, 시스템 합성(설계) 과정에서 빠르고 체계적인 방법을 제공한다.