随着科技的进步和生活水平的提高，空调的普及度越来越高。但是人们对自己所居住环境的要求也越来越高。目前，空调并没有完全达到人们所期望的清新健康的居住环境要求，因此，空调系统的品质有待进一步提高。 中央空调的制冷系统包括：压缩机、蒸发器、冷凝器及油压分离装置和电子膨胀阀等设备。蒸发器是空调制冷系统的一个重要组成部分，其性能影响着空调制冷性能。因此，改善蒸发器的控制性能也就改善了空调制冷系统的性能。现有工业中对蒸发器的控制采用传统的PID控制策略，但是PID控制器的参数是根据专家知识设定的，这在实际操作中具有一定难度。并且，空调蒸发器具有非线性和滞后等特点，所以常规的PID控制器的控制效果并不理想。本文的主要目的是以神经模糊技术为工具，提出能够改善空调蒸发器控制性能的自适应预测控制策略，从而改善空调的制冷性能。另外，目前预测控制在工业中的应用还是用上位机实现的，成本太高，因此，本文还将探索将提出的基于神经模糊技术的控制策略在S7-300PLC中实现，对实际工业应用和推广有着重要意义。 本文在总结了空调蒸发器的研究现状及其控制系统的基础上，建立了数据驱动的空调蒸发器的神经模糊模型，并提出了基于Lyapunov方法的神经模糊模型参数自适应算法。在此基础上，研究了基于神经模糊模型的空调蒸发器预测控制策略。最后，从实际应用的角度出发，在S7-300PLC中实现了本文提出的控制策略，使智能控制算法在工业中的应用和推广成为可能。 本文在研究和开发过程中主要开展了以下工作： 1、建立了空调蒸发器的神经模糊模型，在此基础上提出一种基于Lyapunov方法的全局收敛性参数学习算法，并给出了严格的数学证明，克服了常规采用梯度下降法中参数初始值选择需要尝试和易陷入局部最小的缺点。仿真研究表明了本文提出的算法具有较好的非线性逼近和参数自学习能力，优于传统的梯度下降法和最小二乘法，为空调蒸发器的神经模糊建模提供了一条新途径。 2、提出一种基于神经模糊模型的自适应单神经元预测控制器，并分别通过梯度下降法和Lyapunov法对控制器参数进行在线调节。然后，将提出的基于神经模糊模型的自适应单神经元预测控制器用于空调蒸发器过热度的控制中。理论研究和仿真结果表明，基于神经模糊模型的自适应单神经元预测控制器具有和传统的PID控制器相似的结构，因此简单易行，容易被现场操作人员采纳，并且该控制器参数可以在线调节，具有较快的响应速度。 3、在1和2的研究基础上，将基于神经模糊模型的自适应单神经元预测控制器在S7-300PLC中实现。首先通过OPC建立PLC与MATLAB的连接，然后将MATLAB里建立的蒸发器的模型信息传递到PLC，PLC根据采集到的信息由自适应控制器调节控制对象的输出，从而得到理想的输出。将智能算法在PLC中实现比使用工控机控制具有较大的经济意义，并且有利于其在实际工业应用中的推广。