控制性能评估技术(CPA)兴起于上世纪80年代末,是工业过程自动化领域一项重要的辅助管理技术。控制性能评估的主要目标是在尽量不影响当前控制系统正常运行的情况下,对控制器的性能做出评价,得出其与理论最优的基准控制器的性能差距。进而,在控制性能不满足设计要求时,对造成性能不良的原因进行诊断并给出改进决策。控制性能评估技术在维护自动化系统安全高效运行中发挥了积极作用,其主要应用于石油化工、水处理、发酵及制药等工业过程领域。控制性能评估技术在理论研究和工程应用中都已取得许多成果。但作为一门综合技术,现有研究还远未覆盖控制性能评估技术的全部阶段,即使作为研究最多的性能基准选择和评估方面,分析对象也主要限于线性系统,非线性系统性能评估因其复杂性致使研究成果甚少。针对此问题,在最小方差性能基准框架下,本文结合当前控制性能评估技术的发展现状,分别在以下几个方面展开研究：(1)提出一种切换结构的最小方差控制性能评估策略。考虑到许多实际工业过程运行初期表现为线性系统,但随时间推移可能因外部因素影响使其出现非线性特征。传统性能评估技术实施中一般忽略该类变化而直接使用线性评估方法,评估结果存在偏差。对一类特定结构的非线性系统,在进行控制性能评估之前首先使用基于高阶统计量的方法进行非线性检测分析,如检测结果为线性,采用线性评估方法,否则,采用非线性评估方法。通过使用多项式级数近似非线性环节,将最小方差控制性能下限的估计问题转换为最小二乘辨识问题,在系统辨识的同时实现对非线性系统的控制性能评估。(2)将方差分析技术用于非线性系统的控制性能评估,首先提出一类特定结构的SISO非线性系统的最小方差控制性能评估方法,进而扩展到非线性前馈/反馈控制系统。针对一类结构为非线性过程模型叠加线性(部分非线性)干扰模型的SISO非线性系统,分析了其最小方差控制性能下限的表达形式,并指出此性能下限和非线性系统的b个超前干扰驱动源直接相关。通过正交最小二乘辨识方法获得系统闭环模型,在此基础上由方差分解公式计算得到非线性系统的最小方差控制性能指标。进一步,文章证明了两种不同结构的非线性前馈/反馈控制系统最小方差性能下限的存在性,分析了方差分析技术用于其控制性能评估研究的可行性,并结合迭代正交最小二乘辨识方法实现对非线性前馈/反馈控制系统进行性能评估。最后通过一研究实例验证了该方法的有效性。(3)针对现有非线性系统广义最小方差(NGMV)控制性能评估方法的不足,提出一种改进的性能评估指标。最小方差控制器因其输出过于激烈以及鲁棒性差而难以实际运用,广义最小方差控制器通过误差权和控制权参数的引入可对控制量幅值进行限制。现有对NGMV控制系统进行性能评估直接使用线性方法,其理论前提是NGMV控制器作用下的系统闭环输出可退化为一个线性移动平均过程。但作为动态系统,此理论前提很容易受模型变化或外部干扰等因素影响而被破坏,导致评估结果存在误差或完全不具有指导意义。文章在方差分析技术的基础上,分析广义最小方差控制作用下的非线性系统闭环输出方差的组成结构,提出一种基于方差分解的NGMV性能评估方法,仿真研究证明了其有效性。