迭代学习控制是针对一类具有重复性控制目标任务系统的控制算法,其基本思想是通过学习上一批次的控制结果来校正当前批次的控制信号,进而随着批次的递增使系统的输出渐渐地跟踪上目标轨迹。在批次过程的控制中,迭代学习控制是一种很有效的控制策略。在工业生产中有许多的控制系统,大多数控制系统的控制效果会随着时间和环境变化逐渐恶化,监测和评估这些控制系统的控制效果以保持生产效率显得尤为重要。在批次过程中,迭代学习控制的性能评估却少有研究,所以对迭代学习控制做性能评估是很有意义的。本文提出了一种二维线性二次高斯基准来对迭代学习控制做性能评估。基于二维系统理论,我们可以将迭代学习控制下的批次过程转化为二维框架下的系统模型,进而对这个二维的系统模型做性能评估。本文将传统的线性二次高斯基准拓展为二维形式的二次高斯基准,并提出了一种全新的性能评估权衡曲面。得到权衡曲面的过程中是需要知道模型信息的,但是大部分的工业过程中被控系统的模型是未知的。针对模型未知的系统,本文进一步提出了一种新颖的数据驱动的控制性能评估方法。对于迭代学习控制下的批次过程转化而来的二维系统,本文提出了一种二维闭环子空间辨识方法。基于辨识得到的系统模型,我们可以得出性能评估曲面,进而对系统进行性能评估。最后,多例仿真测试表明了所提方法的可行性及有效性。