在流程工业控制系统使用过程中，时间的推移、设备的老化等许多原因都会造成控制器性能的下降，从而使得生产效率降低及生产成本增加。据报告显示大约60%的工业控制器在运行中具有控制性能问题。另一方面，随着DCS控制技术在流程工业中的广泛应用，过程运行数据变得很容易获取和储存。控制性能评价理论可以利用这些数据得出相应的控制器性能指标，用于监测当前控制性能。这为流程工业生产提供更多的信息支撑，因此该理论在流程工业中的研究具有重要的意义。本文在对国内外众多控制性能评价算法进行研究的基础上，针对当前控制性能评价理论技术的不足，使用基于数据的评价方法分别对单变量和多变量控制系统进行评价分析，主要研究内容如下：针对单变量控制系统的性能评价方法，研究传统最小方差控制算法，使用单容水箱模型进行验证，结果表明该算法所得的指标可以体现控制器的性能。在传统算法的基础上，使用线性回归的算法估计系统最小方差。为使得估计结果更加符合实际性能，提出添加变遗忘因子优化线性回归算法，并在模型上进行验证，所得结果更为接近原有最小方差基准。利用MATLAB/GUI开发的相关软件，对精馏塔数据进行性能评价，可以得到其控制系统的性能指标，监测控制系统的性能情况。针对多变量控制系统的性能评价方法，首先研究多变量最小方差算法，该算法需要使用系统辨识模型、相关先验信息以及推算关联矩阵，因此在将其应用到流程工业控制系统中时存在辨识问题。提出将子空间辨识法应用于控制器性能评价中，使用子空间变换得中间矩阵，将子空间中间矩阵直接用于估计最小方差基准，避免了辨识系统模型。在此基础上，提出利用子空间矩阵估计LQG基准的算法，可以适用于更多控制系统。对算法的评价结果进行对比分析，相应的数字仿真过程验证了算法的有效性。