控制系统性能评估(CPA)是工业过程中一种可以用来估算反馈控制回路性能的有效工具。由于基于最小方差基准的CPA技术仅适用于平稳信号驱动下的控制系统,当干扰为非平稳时,此性能评价方法将无法直接应用。但是在实际的工业生产中,扰动端多为非平稳信号,例如正弦信号和白噪声或者阶跃信号和白噪声的混合扰动。因此,本文从实际工业生产过程出发,针对单变量系统存在非平稳信号扰动而造成系统的闭环输出不平稳问题,提出一种基于最小方差基准的性能评价算法,由控制系统常规运行的闭环输出数据便可准确的对此类系统进行性能评价。具体方法如下:通过差分的方式使控制系统闭环输出平稳化,进而对平稳化后的输出数据进行建模分析得到差分后的控制系统模型,再通过相关性分析(FCOR)计算差分后控制系统的闭环传函的脉冲响应系数,最后还原获得仅在白噪声驱动下的控制系统的闭环传函的脉冲响应系数,由此计算系统的性能指标。目前,对基于最小方差基准的多变量系统的性能评价,往往需要知道其关联矩阵或者对象的若干项马尔科夫系数矩阵,才能进行评估。而这一般需要对多变量系统进行辨识。但是,想要对多变量系统进行辨识一般要在闭环系统的设定值上引入额外持续的激励信号,这会导致系统的正常运行状态遭到破坏,系统的运行性能变差。针对关联矩阵或者对象的若干项马尔科夫系数矩阵的计算需要在闭环系统的设定值上引入激励信号来辨识系统问题,本文提出了一种在线的基于最小方差基准、无需对控制系统额外施加持续激励信号来辨识系统、无需计算关联矩阵来求解多变量系统性能指标的性能评价方法。具体方法如下:首先通过改变多变量系统控制器参数来获取不同参数下的系统输出序列,其次根据以上序列进行时间序列的建模分析,最终由求得的多变量系统的闭环传函的马尔科夫系数矩阵来计算系统对象传函的前若干项马尔科夫系数矩阵,从而完成对系统性能指标的计算。