随着工业生产自动化水平的提高,工业过程对控制算法的实时性和准确性要求越来越高。为了保持控制系统长期运行在最佳状态,有必要对其控制性能进行准确评估。因此控制系统的性能评价研究对工业过程设计具有重要的指导意义。系统在运行过程中不可避免地会受到非高斯噪声的影响,现有基于方差的性能评价基准由于不能充分刻画其非高斯随机特性而不适用于实际工业过程。近年来,学者针对非高斯随机控制系统提出了最小熵性能评价基准。然而,该基准在建立过程中没有考虑测量噪声的影响。事实上,由于工业环境电压不稳定、传感器老化等不良影响,测量数据中必然包含有噪声,且未必服从高斯分布。而数据质量是控制性能评价的基础,测量噪声的存在会导致所建立的控制性能评价基准不能准确衡量控制性能的好坏。动态数据校正可以提高瞬态测量数据的质量,在控制系统性能监控方面具有巨大的潜力。本课题将动态数据校正方法与最小熵控制技术相结合,针对非高斯随机系统建立了控制性能评价新基准。具体的研究工作包括:(1)针对非高斯测量噪声的影响,提出适用于单输入单输出(Single input and single output,SISO)非高斯系统的动态数据校正方法,设计动态数据校正-最小有理熵控制器,并建立单变量非高斯系统的动态数据校正-最小有理熵控制性能评价新基准。最后将所提方法应用于单入单出风能转换系统,仿真结果表明所提出的动态数据校正方法优于扩展卡尔曼滤波;与基于动态数据校正的最小方差控制性能评价基准相比,提出的动态数据校正-最小有理熵性能评价基准能更准确地反映系统的控制性能。(2)目前大多数的实际工业过程都是多输入多输出(Multi-input and multi-output,MIMO)系统,变量间相互耦合,控制器设计难度较大。本文针对MIMO非高斯系统,考虑到多维噪声协方差矩阵的逆可能不存在,导致无法求出校正数据这一问题,提出多变量动态数据校正方法,针对系统变量间的耦合性,设计最小联合有理熵控制器,基于此建立多变量非高斯系统的控制性能评价新基准。将所提出的控制性能评价方法应用于两入两出风力发电系统,与基于多变量动态数据校正的最小方差控制性能评价基准进行比较,验证该方法的有效性和优越性。(3)将本课题所提出的基于动态数据校正-最小有理熵控制的性能评价基准应用于有机朗肯循环系统进行控制性能评价。考虑到系统复杂性会导致动态数据校正方法中参数收敛速度变缓,进而影响到实时控制效果,对动态数据校正方法进行改进,提出了加速动态数据校正方法,仿真结果表明该方法的收敛速率快于改进前的收敛速率,且针对有机朗肯循环系统,本方法性能评价基准的效果也优于最小方差控制的评价效果。