模型降阶和控制器降阶问题一直是控制理论研究的重要内容之一。随着模型对象阶次的增大,控制器的实现也越来越困难。控制器降阶的目的在于,用结构简单、易于操作的低阶控制器控制高阶对象,并使其性能接近于高阶控制器构成的闭环系统。基于控制系统动态属性及其与信息的关系,本文采用信息论方法考察控制器降阶问题。本文的研究重点及创新点在于基于动态对象的信息描述,在最小信息损失(MinimalInformation Loss method)和基于交叉格莱姆矩阵最小信息损失模型降阶方法(Cross-Gramian Minimal Information Loss method)的基础上,提出了两种LQG控制器降阶方法,讨论降阶控制器的性能,并通过仿真实例实现了降阶控制器。本文的主要创新工作及贡献:(1)利用信息论的测度和方法研究控制器降阶问题,提出两种基于信息论的控制器降阶方法。第一种方法是运用最小信息损失方法对高阶受控对象模型进行降阶,得到对象的低阶描述,再针对该低阶模型设计低阶LQG控制器;另一种方法是先针对高阶对象模型设计全阶LQG控制器,再基于最小信息损失原则得到降阶控制器,利用该低阶控制器构成闭环系统。通过研究控制器的内部结构,将基于信息描述的模型降阶方法(MIL模型降阶方法和CGMIL模型降阶方法)运用到控制器降阶问题中,得出新的控制器降阶方法;同时对得出的降阶控制器性质进行了解析分析。(2)采用MIL控制器降阶算法、CGMIL控制器降阶算法以及KL最小信息距离控制器降阶算法对一个10阶模型和一个实际的30阶精馏模型进行控制器降阶仿真研究,分别通过考察系统噪声响应误差以及确定性信号响应误差等对各个降阶模型进行多角度的分析比较,验证了MIL控制器降阶算法和CGMIL控制器降阶算法的合理性和有效性。对运用降阶控制器的闭环系统稳定性也进行了仿真讨论。研究表明,基于信息论的模型降阶和控制器降阶方法具有清晰明了的物理含义,得出的降阶控制器具有较好的闭环性质和性能。我们的工作为控制器降阶问题的研究提供了新的视角,同时也扩展了最小信息损失准则的运用领域。