综合自动化采煤装备的研制是增加煤炭产量，减少重大恶性事故、提高劳动效率和改善劳动条件的重要手段,而煤岩识别技术是实现自动化采煤工艺的瓶颈之一。由于采煤机工作环境复杂和传感器技术的限制，目前还没有成熟的煤岩识别技术应用于采煤机姿态的自动控制上，因此探讨新的煤岩识别方法对实现采煤机姿态的自动控制和自动化工作面的建立具有重要的意义。　　本文通过对煤和岩石的物性差异进行分析，得出煤岩物性差异引起的截割阻抗变化与采煤机振动特性的关系。然后从采煤机截割部结构出发，通过对滚筒受力分析，建立了采煤机摇臂的振动模型，并通过简化采煤机的结构，设计了采煤机模拟截割试验，验证了振动信号应用于煤岩识别的可行性。由于对振动信号产生影响的振动源比较多，仅通过单一的振动特性进行煤岩识别精度不高，并且传感器的失灵与故障都会造成煤岩界面的误判。本文采用将摇臂的振动信号、截割电机的电流、调高油缸的压力和滚筒轴的扭矩信号等多源信息融合的方法建立一个基于自适应神经模糊推理系统(ANFIS)的煤岩识别预测模型，并通过模拟实验采集的数据对该系统进行训练和验证，结果表明其煤岩识别结果的可信度较高。　　本课题是在相似截割试验研究煤岩识别的基础上，提出了一种新的煤岩识别方法。该方法利用基于ANFIS的信息融合技术进行煤岩识别，增强了煤岩识别可靠性，对采煤机的姿态自动控制和自动化工作面的建立有重要的意义。