预测控制作为一种先进的控制策略,研究预测控制模型性能诊断技术对于保持与提高预测控制器性能、促进先进控制策略的推广和应用等方面有着重要的理论意义和实际应用价值。本文首先介绍了预测控制以及粒子群优化算法(PSO)等相关基础理论与方法。在此基础上,主要基于目前两种基于数据的预测控制器性能诊断方法提出一种基于辨识模型仿真思想的基于数据的预测控制性能诊断方法。主要内容如下：基于特征性能子空间的预测控制模型的性能诊断方法,该方法引入了特征性能子空间来描述各性能类别的特征,建立实时数据和各类别数据的性能子空间并计算它们之间的距离,采用聚类分析的思想,以距离为度量来确定监控数据所对应的类别,从而定位引起预测控制模型性能下降的原因。针对上述方法的不足本文提出了一种基于PSO优化的特征性能子空间的性诊断价方法。在特征子空间的选择上采用PSO优化算法,使特征性能子空间的选取更具代表性通过仿真研究验证该方法的有效性。基于PCA相似因子的预测控制模型的性能诊断方法,该方法通过引入特征性能子空间来描述各性能类别的特征,计算实时数据和各类别数据的性能子空间之间的PCA相似因子,采用聚类分析的思想,以PCA相似因子为度量来确定监控数据所对应的类别,从而定位引起预测控制模型性能下降的原因。本文提出利用PSO获得PCA相似因子参数的性能诊断方法,仿真结果验证方法的有效性。在分析上述两种方法原理、特点和适用范围的基础上,通过神经网络分类器将两种评价方法相结合,充分利用两种方法的指标信息,提出一种混合性能诊断方法,仿真研究验证了该方法的有效性。