Para un ambiente térmico cómodo, los principales parámetros son la humedad del aire interior y la temperatura. Estos parámetros están fuertemente acoplados, lo que provoca la necesidad de buscar alternativas de control multivariable que permitan resultados eficientes. Por lo tanto, con el fin de controlar tanto la humedad del aire interior como la temperatura para sistemas de aire acondicionado de expansión directa (DX), se han diseñado diferentes controladores. En este documento, se presenta un esquema de control óptimo inverso neuronal en tiempo discreto para el seguimiento de trayectorias y la reducción del consumo energético de un sistema de aire acondicionado DX. El modelo dinámico de la planta se aproxima mediante un identificador de red neuronal recurrente de alto orden (RHONN). Utilizando este modelo, se diseña un controlador óptimo inverso neuronal en tiempo discreto. El filtro de Kalman insípido (UKF) se utiliza en línea para el aprendizaje de la red neuronal. A través de la simulación se prueba el esquema. La efectividad del enfoque propuesto se ilustra con los resultados obtenidos y el rendimiento de la propuesta de control frente a las perturbaciones se valida.