模型预测控制(MPC)自20世纪70年代末被提出以来,因其具有模型预测、滚动优化、反馈校正等三大环节,适用于时滞,约束,耦合,多变量等复杂过程,在石油,化工,电力,航空航天,冶金等工业控制领域得到广泛应用。MPC控制器具有建模简单、动态控制效果好、鲁棒性强等特点,通常在投产初期具有良好的控制性能,然而,随着时间的推移,由于受到阀门粘滞、感知器偏差、噪声干扰、模型失配等因素的影响,MPC控制器性能会逐渐下降。因此,对MPC控制器的性能进行实时评估和监控,及时发现其性能下降并进行报警,进而诊断性能恶化根源,对保证生产过程的安全、优质、高效、低耗运行具有很重要的实际意义。模型质量是影响基于模型的控制器性能指标的决定性因素之一。工业过程中往往存在带有漂移的干扰,给模型质量评估带来困难。本文针对带有漂移干扰的工业工程,采用一阶求和滑动平均(IMA(1,1))时间序列模型来描述过程干扰噪声,并提出一种基于系统输入输出数据的模型质量评估方法。该方法首先根据控制系统中扰动的反馈不变性原理,利用常规闭环回路数据估计扰动更新,并以所预估模型扰动更新与模型实际残差的二次型之比作为衡量过程模型质量的指标。采用QR分解来解决由于闭环数据高度相关,导致所估计的扰动存在较大偏差的问题。针对Wood-Berry二元精馏塔仿真实例,根据过程模型和干扰模型失配以及控制器参数等情况分别进行三组仿真实验验证了上述方法的有效性。并面向田纳西-伊斯曼工业过程,设计了三种不同的MPC控制器,分别进行三组仿真实验验证了上述方法的有效性。现有的模型质量监控方法致力于总体模型质量的监控,并没有区分过程模型和干扰模型的匹配。本文针对这个问题,提出了一种新的基于系统输入输出数据的过程模型质量评估方法。该方法首先根据控制系统中扰动的反馈不变性原理,利用外部激励和常规闭环回路数据估计扰动更新,并以所预估模型扰动更新与模型实际残差的二次型之比作为衡量过程模型质量监测的指标。该指标与整体模型质量指标一起,可将过程模型失配和干扰模型失配检测分离开来。针对Wood-Berry二元精馏塔仿真实例,根据过程模型和干扰模型失配以及控制器参数等情况分别进行五组仿真实验验证了上述方法的有效性。并面向田纳西-伊斯曼工业过程,设计了四种不同的MPC控制器,分别进行四组仿真实验验证了上述方法的有效性。