模型预测控制(Model Predictive Control，简称MPC)是在20世纪70年代后期产生的一类新型计算机控制算法。MPC通过在有限的时域里最小化目标函数来计算将来的控制行为，集模型预测、滚动优化、反馈控制于一体，并有能力处理约束、耦合等，成为先进控制层(Advanced Process Control，简称APC)的主要控制策略。但是先进控制算法的工业实践者发现MPC控制系统在运行初期可以获得很好的控制效果，运行一段时间之后受各种因素的影响性能逐渐变差，加上维护上的技术难度和滞后性问题可能最终导致控制器不能正常运行而被淘汰。大多数的先进控制系统，如MPC，都需要专家来诊断性能是否下降及实施改进措施，而通常这种专业人士是非常缺乏的。为了尽可能久地实现和维护MPC控制系统的预期利益，我们需要一个检测异常和诊断其根本原因的机制。因此在控制器性能评价与监控的基础上，提出了模型预测控制器的性能分析问题。本文从理论和实际应用两个方面对MPC性能进行了研究，并取得了以下结果： (1)在传统的性能评价方法的基础上提出了综合的多变量控制系统性能分析方法(Integrated Performance Analysis Method of Multivariate Control System，简称IPAMMCS方法)，这个方法能从确定性能性能、随机性性能及是否存在振荡几个方面有效地评价已有的控制系统；该方法不仅适用于对具有一般控制器的控制系统的评价，而且对于基于模型的控制系统的评价也是非常有效的。 (2)基于MPC控制器的设计思路的性能指标(历史性能指标和设计性能指标)不仅能评价控制系统运行是否良好，而且在性能下降情况下能有效地缩小故障的范围。 (3)工业应用及仿真与实验研究表明所从事的研究具有较高的实用价值。 模型预测控制器的性能评价与监控是一个既有理论意义又有实用价值的崭新研究领域，将随着工业过程对控制质量和经济效益的高要求得到快速的发展。