采煤机作为综采工作面的重要设备之一,其智能化水平是制约综采工作面“无人化”或“少人化”发展的关键因素,而截割模式识别是实现采煤机智能控制的关键。目前采煤机不能根据煤岩性质的变化而自适应调节工作状态,频繁的人工干预仍然必不可少。因此有必要研究截割模式识别技术,提高采煤机的智能化水平。本文以采煤机截割煤壁的红外热成像信号为研究对象,研究了红外热成像图像的自适应去噪与采煤机截割部位置跟踪方法,并基于神经网络实现了采煤机截割模式的识别。论文的主要工作及研究成果如下:(1)在研究红外热成像技术测温、成像原理及采煤机基本结构的基础上,分析了采煤机截割模式,研究了采煤机截割过程中煤壁温度变化的影响因素以及煤壁红外热成像图的温度分布特征。(2)分析了综采工作面采煤机红外热成像图的特性,针对红外热成像图的噪声问题,利用双树复小波变换和双边滤波的去噪能力,结合果蝇算法的快速寻优能力,研究了基于果蝇算法改进的双树复小波变换与双边滤波的图像去噪算法。(3)分析了红外热成像视频中采煤机截割部形态特征,研究了基于形态学的采煤机截割部定位方法,提出了基于形态学与时空上下文的采煤机截割部跟踪算法,实现了红外热成像视频中采煤机截割部位置跟踪,为获取截割前后的煤壁温度奠定了基础。(4)研究了采煤机截割前后煤壁温度的变化规律,选取截割前后煤壁的最高温度差、最低温度差和平均温度差作为识别特征,建立基于BP神经网络的采煤机截割模式识别模型,并对神经网络参数进行优化,提高采煤机截割模式识别率,为实现采煤机的智能控制提供依据。在张家口煤矿机械有限公司国家能源采掘装备研发实验中心进行了实验,实验结果表明,本文所提的图像去噪算法对红外热成像图具有良好的去噪效果,跟踪算法能够有效跟踪采煤机截割部位置变化,基于煤壁温度的截割模式识别方法可以准确识别采煤机截割模式,验证了所提方法的正确性和有效性。