随着计算机技术的发展以及工业4.0等概念的提出,工业过程更趋向于智能化、自动化。这就要求着更先进的控制算法来控制工业过程,保障系统的稳定高效运行。因此先进控制算法近些年得到了飞速发展,其中模型预测控制(Model Predictive Control,MPC)是应用最广泛也是最有效的一类先进控制算法。模型预测控制结合了预测模型、滚动优化及反馈控制的控制方法,可达到系统的约束边界,大大地提高工业效益。但在实际工业应用中,由于控制器整定不足或缺少维护,以及系统设备故障等因素,会出现控制性能变差的现象。若不能及时地采取一定的措施,会对企业带来严重的损失。因此需要开展MPC系统的控制性能评价理论研究,形成实时的性能监控体系,达到性能监控的目的。本文以线性二次高斯(Linear quadratic Gaussian,LQG)基准作为MPC系统的性能评价指标,展开对MPC系统的控制性能评价研究。主要研究内容如下:首先对模型预测控制系统进行性能评价的目的及意义进行简单介绍,接着分别针对模型预测控制与控制性能评价的发展过程与研究现状进行描述,并分析了当前课题的发展趋势与难题。然后针对模型预测控制的动态矩阵控制算法,以预测模型、滚动优化与反馈校正为主要方面,分别在单变量与多变量系统进行算法推导,并分别以单容水箱与精馏塔为对象进行仿真分析。通过分析仿真结果,与常规PID控制比较,充分验证了MPC控制算法的优越性。接着进行LQG基准理论研究,以性能限制曲线为最终目标,分别对其三种不同算法:基于状态空间模型的算法、基于多项式模型的算法及基于子空间模型的算法进行推导比较,分析出各自的优缺点与适用范围。最后在传统的评价基准上,将LQG基准应用到MPC系统中,能够考虑到输入条件的限制,得到更具有实际意义的性能指标,为MPC系统进行性能评价提供更符合实际的理论依据。为解决MPC系统的一致性估计难以获取问题,在子空间算法的基础上,将联合输入输出闭环子空间辨识算法作为理论依据,通过最小化目标函数获得LQG基准。将MPC的滚动优化思想与LQG基准理论结合,设计了LQG控制器,并通过在精馏塔的仿真实验,验证了该方法的有效性。