目前我国能源现状日趋严峻,建筑能耗较高,由化石能源消耗导致的环境问题也日趋严重,吸收式制冷系统的出现迎合了社会需求,但其中仍有许多问题亟待解决。本文从单效溴化锂吸收式制冷机组入手,主要研究了溴冷机组的建模与控制问题。本文总结了近年来吸收式制冷机组的特点和发展研究情况,深入学习了单效溴化锂吸收式制冷机的运行机理。由于吸收式制冷机组具有强非线性与内部参数的不确定性,因此选择神经网络辨识的方法建立机组模型。通过研究溴冷机的制冷原理,分析影响机组冷冻水输出温度的几个外部条件,选定用于建立机组模型的输入、输出变量。针对热水型单效溴化锂机组平台,采集大量有效的实验数据信息。神经网络是一种基于模拟人脑思维方式的数学模型,具有非线性、自学习特性与强大的映射能力等特点,适用于非线性模型的辨识。其中,BP网络为最常用的辨识神经网络。本文总结了BP神经网络优点与缺点,提出了优化方案。使用LM法作为误差反向传播的学习算法,减小网络陷入局部极值的概率,稳定性更强、收敛速度更快。同时,利用快速修剪法自组织确定BP网络隐含层节点数,提高建模效率。该优化的BP网络算法用于辨识采集到的溴冷机运行数据,建立网络结构为“5-6-2”的机组模型。基于溴冷机非线性、大惯性易受外界干扰的特点,本文提出了改进的神经网络控制器。首先改进单神经元PID控制器,使其参数具有在线调节的功能。随后用单神经元PID控制器替代RBF监督控制中的传统PID控制器,形成改进的神经网络控制器。将控制器用于溴冷机的温度控制中,机组能够更快达到稳态效果,且受到外界干扰时能够更快恢复稳态,具有较好的效果。