工业生产过程中的控制系统性能往往会受到多个过程变量的影响，而且在现场生产过程中，不同来源的扰动也会对控制系统性能产生影响，在多个过程变量以及不明扰动影响下高效地评估控制系统性能，并且甄别引起性能劣化的过程变量，给出更加优化的控制策略对工厂的高效生产有着弥足重要的意义。在基于模型的控制系统性能评估方面，单变量系统性能评估理论已经相对完善，针对多变量与多时变扰动系统的性能评估有待进一步研究。但实际生产过程中，控制系统经过几个生产周期后，由于各种不确定因素的影响性能会变差，而这种性能劣化难以用纯粹模型的方式进行评估。本文采用基于数据驱动的建模策略，针对多变量控制系统的性能评估方法进行了研究和适应性优化，并对引起性能劣化的诱因过程变量进行了甄别，主要内容归纳如下:　　1.针对多变量多时变扰动系统的性能评估，提出了基于多时变扰动混合的广义最小方差(Multi-time-variant-disturbance mixing generalized minimum variance,MMGMV)多变量系统性能评估方法。根据控制对象设计与误差相适应的权重矩阵，结合控制器混合权重的思想，针对多时变扰动设计MMGMV控制器。利用MMGMV控制器求出各被控变量输出方差作为性能评估基准，与实际控制器输出方差做比值进行控制器性能评估。通过在数值仿真和重油分馏过程中的控制系统性能评估的应用，验证了MMGMV评估方法的有效性。　　2.针对控制系统控制性能在线评估的问题，提出一种多数据空间全潜结构映射(Multi-space Total Projection to Latent Structures，MsT-PLS)性能评估方法。该方法在质量变量引导下，对相关的多数据输入空间，先离线建立对应不同控制性能等级的数据网络分类模型，将在线数据与不同历史性能等级进行相似度匹配。利用过程变量对输出结果影响的相对贡献度，对引起性能劣化的过程变量进行甄别和贡献度分析，为系统性能劣化诱因的识别提供了量化度量。最后，将该方法在乙烯裂解过程在线性能评估中应用，说明了该评估方法的有效性。　　3.针对控制系统输入输出数据间非线性关系问题，提出一种基于多数据空间局部加权潜结构映射(Multi-space Locally Weighted Projection to Latent Structures，Ms-LWPLS)的网络化性能分级评估方法。该方法利用Ms-LWPLS方法提取不同性能等级训练数据的过程变化，准确反映训练数据与性能等级标签之间的非线性映射结构，以数据滑动时间窗为评估单元，将在线数据输入到训练好的网络分类器中，根据网络输出划分当前性能等级，并构造过渡性能系数，将稳态性能等级和过渡性能等级做了识别和区分。最终，将该方法应用到实际生产过程的多数据空间性能评估中，说明了该评估方法的准确度。