由于溴化锂吸收式制冷系统具有节能环保,安装方便,维护简单,可利用工业余热或太阳能等特点,近年来受到了广泛的关注,是提高能源利用率,减少污染物排放的有效途径,可以广泛应用在分布式供能系统中。由于吸收式制冷系统具有非线性、强耦合、大时滞等特性,难以建立精确的机理模型,从而进行有效地控制研究,本文在对实验室中单效热水型吸收式制冷系统大量实验的基础上,采用支持向量机的方法,依次确定了模型的阶次和滞后时间,通过混沌粒子群算法建立了二阶纯滞后动态模型。模型的相关系数大于0.99,均方误差小于0.1%,表明该模型可有效用于控制过程。吸收式制冷系统的稳定运行是以冷冻水供水温度稳定为标志的,因此选择冷冻水供水温度作为被控变量。由于建立的模型是非解析模型,本文首次选取无模型控制方法对吸收式制冷机组进行控制研究。对传统滞后无模型自适应控制方法提出了参数自寻优和自适应的改进。通过前馈神经网络学习控制器和反馈无模型自适应控制器共同组成系统的学习控制器,在控制的过程中在线学习,增强了模型的自学习自适应能力。在Matlab中,分别采用本文提出的学习控制方法和改进的无模型自适应控制方法对制冷机组的冷冻水供水温度进行了控制仿真实验。实验表明,本文提出的学习控制方法快速性和鲁棒性均优于改进前的滞后无模型自适应和无模型自适应控制方法,能在变工况下更快速地控制冷冻水供水温度,有利于吸收式制冷系统在变工况工作状态下的稳定运行和节能环保。