一直以来,国内外学者注重对控制系统中操作方法的研究,很少对其性能进行评价。随着时间的推移,越来越多的人意识到控制系统需要进行定期维护,否则其性能会不断下降。当控制系统性能不稳定或严重下降时,就会影响整个系统的效率性能和安全性能。同时,还会增加操作系统运行所需要的成本。因此,对于操作系统来说,准确和实时的性能评价能够确保其运行的可靠性和效益,本文主要完成以下内容:本文首先基于数据挖掘理论和特点,使用数据挖掘中的粗糙集理论来实现控制系统性能评价,具体通过改进属性值约简算法来提高训练数据的准确性与覆盖率,并将控制系统性能评价结果分为优、良、可、差四个等级,结合DCS实测数据对过热控制系统进行具体的仿真与评价,验证该算法的正确性;再者针对非高斯控制系统,本文提出了基于最小熵指标性能评估新的基准计算方法,通过与目前常用的最小方差评价方法在不同的干扰噪声下仿真比较,体现了最小方差评价方法的不足,证实了该方法的有效性和准确性。