由于实际工况漂移、过程非线性及系统外部干扰等因素,模型预测控制系统在运行一段时间后其控制性能可能下降甚至失效。如果不及时修复控制器以改善控制品质,将降低预测控制系统所能获得的经济效益。作为基于模型的优化控制算法,如果模型预测控制算法的预测模型与实际对象的失配程度很严重,则仅靠整定控制器参数将难以改善控制器性能。模型失配是预测控制中普遍存在的问题,是导致预测控制器性能下降的重要原因。因此迫切需要建立一种有效评估模型质量的方法,为预测控制系统的整定与维护提供重要指导。本文首先对模型失配问题进行了归类和定义,对一种已有的基于状态空间描述模型预测控制系统的模型失配评估方法进行了分析。在此基础上,针对工业过程常用的非参数模型描述的动态矩阵控制算法,推导了模型失配问题与模型输出误差的关系,证明了预测误差和干扰增量这一时间序列信号对可用于完全表征模型失配信息。然后应用统计推断方法,提出了一种基于信号白色性检验的模型失配评估算法,并将其推广为实时在线模型失配评估算法。对于多变量系统,模型失配问题需对影响被控变量的各输入通道的失配情况进行评估。为更准确地定位失配通道,提出一种基于时间序列偏相关分析的模型失配评价方法,该方法可消除闭环系统下各输入变量间的耦合,分离出各通道的失配信息,同时定义了一个新的模型失配指数,可对模型失配程度进行量化分析。仿真研究证明,该方法不仅能够有效检测出各种模型失配情况,而且可适用于非平稳随机干扰情形。