模型预测控制(Model Predictive Control,MPC)是先进控制技术的典型代表。随着MPC在实际工业中的广泛应用,企业对它的性能要求也越来越高。近年来,MPC性能监控技术成为预测控制领域的研究热点。由于实际工业中大多是复杂的多变量过程,针对多变量模型预测控制器的性能监控及模型失配检测问题,论文的主要工作如下:考虑到实际中MPC的性能受多种因素的影响,本文在现有模型质量指标的基础上进行改进和拓展,结合基于MPC目标函数的历史性能指标和基于模型预测误差的协方差指标对系统性能进行实时监控。其中,历史性能指标用来评价系统的整体性能,协方差指标反映模型失配和干扰变化的影响,两个指标对不同性能影响因素的表现不同。加上性能恶化后干扰新息的重新辨识结果,可以初步诊断系统性能下降的原因。在Woodberry塔上的仿真实验验证了该方法的有效性。考虑到实际中,模型失配是导致MPC性能下降的关键因素,本文给出了一种基于模型预测误差的方法进行模型失配检测。没有模型失配发生时,每个输出通道的预测误差序列可以看作是白噪声。当监控到预测误差序列不再是白噪声时,利用闭环子空间辨识方法,计算确定性输入到预测误差(输出)的一个最小实现的阶数。根据该阶数的大小,判断模型失配位置是过程模型还是干扰模型。最后,在Shell塔上的仿真实验验证了该方法是可行的。多变量系统的过程模型发生失配时,若利用相关性分析方法进行检测,在分析某一通道预测误差和操作变量之间的相关性时,会受到其他操作变量以及干扰的影响,导致检测结果不准确。针对该问题,本文采用偏相关性分析方法。滤除其他操作变量和干扰影响后,分析各通道预测误差和操作变量之间的相关性,将模型失配问题转化为一定区间上偏相关系数的分布问题。通过观察各通道偏相关系数的分布图判断是否发生失配。在Shell塔上的仿真实验验证了该方法是可行的。