溴化锂吸收式制冷系统具有结构简单、可以利用各种热能、安全可靠而且对环境和大气臭氧层无害等优点。吸收式制冷系统具有强非线性、大时滞、强耦合、运行过程中易受噪声干扰等特点,为了提升吸收式制冷系统温度跟踪控制系统的效果,论文提出了改进的无模型自适应控制策略,并在吸收式制冷系统六阶动态模型上对控制方案进行仿真研究,验证了改进控制算法的有效性。主要内容有:（1）针对传统无模型自适应控制算法对大时滞非线性系统控制效果不佳的问题,提出了基于输出误差变化率的无模型自适应控制算法。首先,在控制输入准则函数中加入输出误差变化率这一约束项,对控制律进行改进,有效地减小了输出误差较大对控制律计算产生的影响;其次,给出了基于输出误差变化率的无模型自适应控制算法的稳定性分析;最后,通过数值仿真实验验证了改进控制算法的有效性,并将其应用到吸收式制冷系统温度跟踪控制中,达到了机组温度跟踪控制中在较短时间内实现稳态的要求。（2）针对溴化锂吸收式制冷机组温度跟踪控制过程中的噪声干扰问题,提出了去噪无模型自适应控制算法。首先,因传统跟踪微分器存在相位延迟的现象,提出了改进的跟踪微分器;其次,将单输入单输出的无模型自适应控制方案推广到双输入单输出,并将其与改进的跟踪微分器结合,提出了适用于溴化锂吸收式制冷系统温度跟踪控制过程的去噪控制方案;之后,给出了去噪无模型自适应控制算法的稳定性证明;最后,将其应用到吸收式制冷系统温度跟踪控制过程中,达到了不仅可以快速响应还具有理想去噪效果的要求。（3）针对无模型自适应控制器参数较难整定与寻优困难的问题,利用模糊控制理论对无模型自适应控制进行改进,提出了模糊优化大时滞无模型自适应控制算法。首先,针对吸收式制冷系统存在的大时滞的特点,在控制输入准则函数中加入滞后时间输入变化率约束项,给出了大时滞无模型自适应控制方案;其次,通过理论分析与仿真实验验证详细给出了控制器参数学习因子和惩罚因子对系统动态性能影响趋势;之后,设计模糊规则与隶属度函数,使用模糊优化方法,利用偏差和偏差变化率整定学习因子和惩罚因子两个控制器参数。最后,通过数值仿真实验验证算法有效性,并将其应用到吸收式制冷系统温度跟踪控制过程中,实现了使冷冻水出口温度快速达到稳态的目的。