控制性能评价对于保障工业过程的高效、稳定、安全运行具有重要的作用。传统的控制性能评价大都采用基于模型的最小方差类方法,这对于实际应用有一定的困难。考虑到现场操作人员一般能够根据自身的经验评价和调整控制性能,而其相关的知识则存储于工业过程监控数据之中,为此,本文研究了基于数据挖掘的工业过程控制性能评价方法,提出了基于梯度增强决策树+Logistic回归(GBDT+LR)算法的常规控制性能评价方法、以及基于关联规则的控制回路关联性能评价方法,论文的主要研究内容及取得的成果如下:1.建立了基于数据挖掘的常规控制性能指标,从确定性、随机性以及有效投用率等方面对控制回路进行性能评价,应用GBDT+LR算法对控制回路数据进行学习,建立控制性能分类器,采用分类器对常规控制性能进行评价。2.针对控制回路间关联性分析的问题,提出了基于关联规则挖掘的控制回路关联性能评价方法,利用历史标签数据,对控制回路间的关联规则进行挖掘,再根据关联规则对其关联性能进行评价。3.将所提出的方法应用于工业DMF回收过程,并开发了一个控制性能评价应用系统,获得了满意的结果,同时验证了所提方法的有效性。