工业控制系统运行的初期往往可以运行在优良的状态下,但是随着时间的推移,其性能将不能维持在原有的最优状态上,存在缺陷的控制系统将会导致诸多问题,因此越来越多的专家学者意识到了性能评估的重要性。该领域取得了一定成果,但也存在着一些问题,如多模型预测控制被越来越多的应用于实际工业当中,但是现今对该类控制系统的性能评估研究还尚未展开；现有的方法仅能对系统进行初步的评估,却不能诊断导致系统性能下降的原因何在；大部分的性能评估研究都针对时不变系统,而对普遍存在的时变系统的研究却相对较少。本文在前人理论研究的基础上,针对上述问题进行了相关的研究,主要的研究工作和创新如下：1.针对一类过程参数跳变系统,设计了代替传统单一模型预测控制的多模型预测控制方法,采用基于过滤与相关分析算法(Filtering and Correlation Analysis Algorithm)的性能评估方法对控制系统进行性能评估。仿真结果表明多模型预测控制系统具有更好的暂态性能和稳态性能,同时也表明了基于FCOR算法的性能评估方法的有效性。2.针对带约束的多变量预测控制系统,提出了基于证据网络方法对其性能进行评估及诊断。该方法可以量化系统内因信息不完整以及信息不精确导致的不确定信息,更加精确的评估系统的性能,并且诊断导致系统性能下降的原因。工业仿真结果表明该方法的有效性且优于传统的贝叶斯方法。3.针对具有时变扰动特性的控制系统,提出了一种基于多模型混合最小方差的性能评估方法。该方法充分考虑到每个扰动的特性,可以更加准确的评估时变扰动控制系统的性能,避免多模型切换方法可能导致的间歇切换以及较大的暂态误差对评估结果准确性的影响。数值仿真和工业仿真表明该方法的可行性和优越性。