控制器的性能优劣不仅决定控制系统能否达到期望目标,而且也直接影响整个工业过程的稳定与安全。当前,各类工业企业的计算机控制系统逐步完善,这给存储大量控制系统运行数据提供了条件。这些数据中包含着与设备特征、过程动态、系统工况以及控制器性能等相关的各类信息。如何充分利用这些数据,实现对在运行控制器的性能优化一直是过程控制领域的研究热点之一。课题针对实际中应用最广泛的PID控制器,研究基于数据驱动的不同结构的PID控制系统的性能优化方法,主要内容包括:（1）提出了一种基于数据的PID控制器参数校正方法。该方法通过采集系统闭环工作数据,构造当前时刻的“数据向量”,并以特定格式存储于数据库;再利用相似性度量算法获得PID控制器的初始预测参数;若控制回路性能不理想,则使用优化方法校正控制器参数。然后将优化后的参数补充到数据库中,以开始新的迭代优化。最后,将该算法应用于典型非线性过程p H值控制问题中,实验结果证明了所提算法的有效性。（2）对虚拟参考迭代整定（FRIT）方法进行了改进,并在此基础上提出了两种串级系统的PID控制参数优化策略。改进后的FRIT方法在迭代过程中加入了对准则函数的监测,并依据准则函数的变化调整迭代步长,加快了控制器参数寻优算法的收敛速度。所提第一种串级系统的控制器参数优化策略首先处理副回路,然后将主副控制回路作为整体,使用改进的FRIT方法校正主回路的控制参数。所提第二种策略是基于最小方差性能指标的控制器在线优化方法。通过在一个动态时间窗内采集控制系统闭环数据,估计最小方差性能指标,再与设定的性能指标阈值比较,性能不满足期望时则使用虚拟参考迭代整定算法对串级控制器参数进行校正。（3）引入虚拟参考反馈整定（VRFT）,并在其应用于单回路控制器参数优化的基础上,研究了多输入多输出控制系统的PID控制器参数优化问题。采集系统输入输出数据,并据此计算出控制器的虚拟输入输出矩阵。设计多输入多输出系统的准则函数,然后通过最小二乘算法同时辨识出使得准则函数最小的不同回路的控制器参数。最后,将该方法应用于蒸馏塔的控制中,分别采集系统的闭环数据和开环数据来整定多回路PID控制器参数。