控制系统性能评估在工业控制系统中有着非常关键的作用,为了满足现代控制系统实时性的要求,需要快速准确地对系统进行性能评估。对于高斯系统的控制与性能评估,最小方差准则是当之无愧的核心思想。无论是在单变量系统还是多变量系统,最小方差指标的研究已经十分成熟。但是对于非高斯控制系统,传统的基于高斯假设的建模与控制方法已经无法满足随机分布控制系统的需求,导致以方差作为评价指标的性能评估方法产生偏差。在随机系统中,熵被广泛使用,但很少在控制系统性能评估中研究。所以本文针对非高斯随机分布控制系统提出了几种评估系统性能的方法。本文首先介绍了改进的分布估计算法,在传统的分布估计算法中加入了种群的初步估计和种群的交叉操作,提高了算法的快速性。并将改进的EDA算法,分别结合有理熵和Renyi熵两种不同熵的计算方式来得到系统的最小熵(基准熵),提高了方法的准确性和快速性,相比于有理熵,Renyi熵的计算方式更为简单。并且为了避免最小熵平移不变性的问题,在指标中结合了输出均值的限定。通过单回路反馈控制系统对这两种方法进行对比验证。其次,为了更好的满足现代工业实时性的要求,避免平移不变性的问题,受混合互熵在非高斯控制系统滤波器设计的影响,提出了基于混合互熵的非高斯系统性能指标。将混合互熵与改进的分布估计算法相结合,求得系统参数估计值及噪声的估计分布,进而求得基准熵,最后给出系统性能评估的最终指标。最后,对于一部分特殊的非高斯随机分布系统的性能评估方法做了介绍,当系统期望输出分布已知时,将混合互熵直接作为评估期望输出分布已知的非高斯随机分布控制系统性能的指标,并提出一种基于概率密度函数重合面积指标。并将上述两种指标用于完全解耦的多变量随机分布控制系统的性能评估中。