预测控制系统在复杂的工业过程中有着越来越广泛的应用,其经济性能评估研究是工业过程控制领域新兴的一个研究热点。目前,控制器经济性能评估领域仍有性能函数的选择、方差基准选取等问题需要解决。本文针对模型预测控制器经济性能评估方法进行研究,主要内容包括以下几个方面:　　 首先从理论和应用层面上综述了经济性能评估领域的研究现状:介绍了最小方差基准和线性二次高斯基准这两种常用的性能评价方差基准;分别介绍了基于统计计算和基于优化的控制器经济性能评价方法,并采用不同的方差基准进行仿真学习。　　 针对实际工业过程,在过程稳态模型难以获得时,给出一种基于数据驱动的控制器经济性能评估方法,通过子空间技术将模型辨识和经济性能评估两个过程进行有机结合。利用历史输入输出数据进行子空间辨识得到变量稳态关系、LQG折中曲线,进而完成对控制器的经济性能分析。对多入多出系统,引入变量方差与加权系数的关系,完善基于LQG准则的评估流程。最后通过仿真验证了方法的实用性和可行性,并对模型参数失配对经济性能指标的影响进行了仿真分析。　　 针对模型控制器经济敏感度分析多基于最小方差基准,而最小方差基准不考虑对控制量约束的现状,给出一种基于LQG基准的控制器经济敏感度分析及调节准则研究方法。结合LOG问题目标函数一般形式,给出通过子空间技术获得LQG基准的一般性方法,并将LQG基准引入模型控制器经济敏感度分析及调节准则的相应研究中,分别给出约束调节及方差调节对应优化问题的表达形式。最后通过仿真研究验证了所给出方法的可行性和有效性。