模型预测控制是一种新型的先进控制算法,它的发展是经过计算机的辅助功能,再对先进算法的应用过程进行改进。随着现代化的科学进步,工业现场的过程正在趋于复杂化、大量化。更需要先进的控制理论来支持工业的发展。可以将MPC总结为三要素它的三要素可以总结为预测模型、滚动优化、反馈控制,然后可以针对一些耦合的现象进行分析处理,形成先进控制层中的重要组成部分。虽然MPC控制器广泛的应用到工业现场过程中,但是由于实际工业现场情况复杂,多因素的干扰,中且MPC控制器设计定型。基于现场运行,性能指标并不尽人如意。受到外界因素的扰动、不可测的变化因素的影响,没有定期的维护等原因,都会造成控制性能下降,因此开展对MPC控制器的控制性能的评价是具有深远意义的。本文基于以上课题背景针对模型预测控制系统的性能评价开展研究,具体研究内容包括以下几个方面:基于模型预测控制以及控制器性能评价与的课题背景、基本原理与发展过程。开展工作,针对模型预测的动态矩阵控制思想,深入分析单变量与多变量控制系统,并利用单变量的单容水箱模型进行仿真实验,验证基于DMC控制方法下的模型预测控制的先进性。针对单变量系统的控制过程,首先阐述传统最小方差基于单变量模型的性能评价算法,并整合了最小方差的具体评价步骤。引入多变量系统,介绍关联矩阵为预备知识,针对多变量系统提出了两种评价方法:基于MIMO系统的传统反馈控制法、多变量最小方差基准评价方法。将MPC的滚动时域思想和传统最小方差性能评价机理相结合,设计了针对滚动时域思想的MVC控制器,并针对仿真系统的单变量的水箱模型以及多变量的精馏塔模型进行仿真实验,仿真验证了该性能评价方法较传统最小方差评价更具有实际意义,并验证了该评价方法的有效性。提出基于广义思想的最小方差(GMVC)控制器的设计方法,对MPC控制性能评价方法,并对GMVC基准与MVC基准的优缺点进行数据曲线的对比分析。针对模型预测控制,采用基于数据统计中的历史数据的评价方法,结合历史性能指标与设计性能指标对MPC控制器的在线监控数据进行采集分析,分析数据进而用于MPC控制器的参数整定。针对部分不匹配、不可测噪声干扰的模型,采用残差的累积和控制图的方法,监控变量中自相关现象严重、变小等情况,针对不同的影响控制效果的原因,通过统计控制图来进行分析。通过实验室甲醇精制半实物仿真模型,针对多变量系统的精馏塔模型进行仿真,通过仿真的数据收集和仿真曲线体现的分析,验证了该方法的可行性和有效性。