本文通过对无模型自适应控制（Model-Free Adaptive Control,MFAC）的研究,分别在控制律的计算优化和针对系统伴随噪声干扰的问题上对无模型自适应控制算法进行优化改进。提出一种基于改进跟踪微分器的MFAC去噪方法和一种基于输出误差变化率来计算控制律的新方法。同时,对每一种方法在数学上都证明了输入输出信号的收敛性。最后,对本文提出的每一种改进的算法都进行了验证,来阐明本文算法的可行性,并且对以上每一种改进算法的应用进行了一定程度的应用研究。本文主要研究内容有如下三个方面:首先,为了使MFAC方法更好的解决系统伴随噪声干扰的问题,本文在控制系统的反馈过程引入带有滤波作用的改进跟踪微分器,对输出反馈信号进行滤波操作,进而提出一种无模型自适应去噪控制方法。并且给出了该方法输入输出详细的收敛性证明,以表明该算法理论上的合理性。最后,针对一些典型的非线性系统,通过数值仿真表明该方法在去除噪声干扰的同时还保持了MFAC方法的优良特性,最后结合循环流化床锅炉的汽包水位的控制说明本文所提算法的应用方向和前景。其次,本文在原始MFAC方法控制律计算的基础上引入输出误差变化率,同时引入权重的思想,分别赋予输出误差和输出误差变化相应的权重,进一步优化MFAC算法的控制律计算。与此同时,本文也给出了基于新型控制律的MFAC算法的输入输出收敛性的证明,以表明该算法理论上的合理性。针对一些典型的非线性系统,基于新型控制律的MFAC方法与原始MFAC方法进行仿真比较,仿真结果表明基于新型控制律的无模型自适应控制算法能更快的追踪给定信号,对原始MFAC方法的跟踪性能有了进一步提升。最后,针对溴化锂制冷机组非线性、难以建立精确地数学模型等问题,本文将基于新型控制律的MFAC方法算法应用到溴化锂制冷机组控制系统中,利用TRNSYS软件建立溴化锂制冷机组的动态模型,并将基于新型控制律的MFAC方法写入MATLAB中,最后利用MATLAB与TRNSYS进行联合动态仿真。对于MFAC在制冷机组中的应用,本文所做的研究工作为溴化锂制冷机的控制提供了一种新的思路。