目前，用于制冷系统智能仿真的多层前馈人工神经网络训练方法主要是标准BP算法，其训练效率低，自适应性能美国。本文采用了改进的BP算法，用网络输出关于学习率的线性展开法来自适应地优化学习率，用BFGS变尺度来调整权重。对BFGS法作了局部改进以处理可能发生的BFGS公式中分母项为0的情况。以实际制冷系统的热力性能参数实验数据为样本，对此研究了标准BP算法，含学习率优化的最速下降法和含学习率优化的BFGS法的学习过程，结果表明，文中选用的含学飞率优化的BFGS法学习效率高，能达到的学习精度高，且自适应性能好。