由于运行工况的改变、时变扰动以及设备与仪表故障等因素,实际工业过程控制回路在运行一段时间后其控制性能将会偏离设计时的性能。如何从生产过程的日常运行数据获得一些关于控制系统的性能信息,从而能够为控制系统性能问题的早期识别和诊断提供依据是工艺控制人员都很关心的问题。采用Harris指标评价控制系统的最小方差性能评价方法极大地活跃了这一领域的研究。然而对多变量系统而言,过程时延是一个关联矩阵,因此并不能通过对闭环控制系统运行数据直接分析得到Harris指标。针对这一问题,Huang提出了滤波与相关性分析(FCOR)算法,首先根据过程传递函数的Markov参数阵估计得到酉关联矩阵,然后由关联矩阵和系统闭环输出得到滤波输出,最后考虑对控制系统的滤波输出进行相应的分析。利用Harris指标评价控制系统性能的关键在于最小方差基准的确定,FCOR算法为MIMO系统最小方差基准的估计提供了简单有效的方法,然而FCOR算法的提出是基于平稳噪声扰动条件下的。事实上,在实际工业过程的MIMO控制系统中,扰动噪声往往是非平稳的,而且每个干扰也是不尽相同的。本文将重点考虑由平稳信号和周期信号叠加产生的非平稳信号噪声作用下的多变量控制系统性能评价。对多变量系线性统来说,非平稳信号噪声作用下的系统实际输出也是非平稳的,本文首先采用差分法对非平稳输出序列进行平稳化处理,然后得到滤波输出并运用FCOR算法估计系统最小方差基准值。仿真结果表明,对平稳信号和各种参数下的周期信号叠加产生的非平稳干扰信号而言,在平稳化输出序列后采用FCOR算法估计得到的最小方差基准值是一致且准确的,因此对系统非平稳输出用差分法进行平稳化这一方法是有效的。本文首先介绍了控制系统性能评价的背景、意义、研究现状和相关知识。其次重点介绍随机性性能评价中的基于最小方差基准的性能评价的相关基础知识,基于最小方差基准的控制系统性能评价方法是本文主要分析方法。然后介绍了针对MIMO控制系统性能评价提出的基于最小方差性能评价的FCOR算法,包括FCOR算法流程、酉关联矩阵的估计、滤波输出和线性系统模型的建立等。最后,在MATLAB仿真平台下分析了在非平稳序列噪声作用下的多变量控制系统的性能评价。