批次过程由于高效的生产效率和灵活的控制方式,广泛应用于造纸、医药、冶金、食品与饮料和化学反应器等领域。受噪声等因素的影响,批次过程在实际运行时难以达到预期的性能要求。批次过程控制性能的好坏影响着产品质量、运行成本等,因此需要对其进行准确评价,以便尽快做出决策,从而改善产品质量、提高系统运行效率等。这就使得批次过程的控制性能评价（control performance assessment,CPA）成为研究的热点。在假设过程变量服从高斯分布的前提下,基于最小方差的传统CPA基准能够准确评价批次过程控制性能的好坏。然而过程干扰和测量噪声等未必服从高斯分布,这时方差指标不足以刻画其随机特性,不能有效评价非高斯批次过程控制性能。近年来,针对非高斯连续过程提出了基于最小熵的性能评价基准,然而,该方法不能直接用于批次过程的控制性能评价。因此,本文针对非高斯批次控制系统,采用统计信息的方法研究控制性能评价问题,具有十分重要的理论和实际意义。本文的主要研究内容如下:（1）针对时不变非高斯批次过程,根据批次误差分别设计最小有理熵（Minimum rational entropy,MRE）内部和外部控制器,建立非高斯批次控制系统最小有理熵性能评价新基准。对于实际工业过程中模型未知的批次过程,提出最小有理熵分布估计算法（Minimum rational entropy-based estimation of distribution algorithm,MRE-EDA）,用于辨识批次过程的数学模型,从而根据辨识的模型设计最优控制器,建立最小有理熵性能评价新基准,进而实现批次过程控制系统性能评价的目的。（2）时不变非高斯批次过程的误差由确定性误差和随机性误差两部分组成,内部控制器只影响随机性误差,而外部控制器即影响确定性误差又影响随机性误差。本文分析确定性误差与随机性误差之间的关系及批次过程收敛性问题,根据确定性误差和随机性误差分别设计最小有理熵内部控制器和外部控制器,并建立MRE内部控制器和外部控制器性能评价新基准。另外,针对实际工业过程中模型未知的批次过程,提出改进的MRE-EDA方法,用于辨识批次过程模型参数和估计非高斯扰动的概率密度函数（Probability density function,PDF）,进而设计最优控制器,建立性能评价基准,实现对批次控制系统进行性能评价。（3）由于实际工业中批次过程本质上是时变的,对于时变非高斯批次过程控制器设计难度较大。本文针对时变非高斯批次过程,通过分析批次跟踪误差,设计混合互熵（Mixture correntropy,MC）内部和外部最优控制器,并建立MC批次控制系统性能评价新基准。此外,对于模型未知的批次过程,改进传统的分布估计算法,提出混合互熵分布估计算法（Mixture correntropy estimation of distribution algorithm,MC-EDA）,用于辨识时变非高斯批次过程模型参数和估计非高斯扰动PDF,进而设计最优控制器评价时变非高斯批次过程的控制性能。