智能化与无人化开采是未来煤矿工作面生产的必然发展趋势，而煤岩界面识别技术是实现采煤机智能调高控制、提高煤炭开采效率以及延长采煤机使用寿命的关键技术之一。由于工作面地质条件复杂以及信号干扰严重、不易识辩，如何在开采过程中实现煤岩界面的截割信号特征提取以及精确识别是当前亟待解决的关键理论与技术问题。因此，通过研制采煤机煤岩截割实验台、提取与识别截割特征信号、构建多信息融合决策识别模型，实现煤岩界面的有效、精确识别。　　煤岩截割过程中伴随产生振动信号、声发射信息以及红外热像特征，同时截割电流亦随截割负载的变化而变化。而各截割特征信号的精确提取与识别是构建优质特征样本数据库、实现煤岩界面精确识别的重要基础和前提。考虑实际开采过程中煤岩的结构分布以及截割特性，浇筑七种不同截煤比的煤岩试件，实验室测定其物理性质及力学特性，并研制采煤机煤岩截割实验台机械系统、控制系统和数据采集与分析系统，为后续开展煤岩截割实验与特征信号的提取提供条件和依据。　　开展七种不同截煤比的煤岩试件的截割与测试实验，根据电流信号幅值的变化，采用三相电流的均方根(RMS)值来反映滚筒的实时负载变化;采用时域、频域以及小波包分析方法对振动和声发射信号进行分析和特征提取，实现振动信号、声发射信号不同频段能量的小波重构，提取反映煤岩截割介质变化的声发射能量特征以及振动方根幅值;分析不同截煤比时截齿截割表面的温度场及闪温特征，得到温度场的温度-频率曲线，提取不同截煤比时的闪温峰值。通过提取、识别与分析煤岩截割过程中的振动、声发射、电流以及红外信号特征，从而确定不同煤岩比例截割过程中各特征信号的变化规律，建立不同截割比例煤岩试件的截割多特征信号样本数据库，为建立多截割特征信号隶属度函数优化模型、实现基于最小模糊熵的隶属度函数优化求解提供重要的数值依据。　　通过分析各截割特征信号的模糊性特征，建立基于最小模糊熵的隶属度函数优化模型，利用实验测试、分析得到的特征样本数据库，结合粒子群优化算法(PSO)实现对各特征样本隶属度函数阈值的优化求解;以优化后的隶属度函数为基础，构建煤岩界面多信息融合决策识别模型，研究识别模型的基本概率分配函数、融合规则以及融合决策准则;根据各截割信号的隶属特性，建立基于模糊隶属度的自适应权重系数分配煤岩识别模型，实现对无冲突、单证据体或多证据体关联性冲突以及证据体无关联冲突时权重系数的优化和修正，实例融合结果表明该模型有效提高了融合结果的精度，降低了不确定度。　　开展随机煤岩界面截割实验，采用煤岩界面融合决策识别模型对测试样本进行融合分析，采用定量分析方法对比单一信号与多信息融合方法的识别精度，根据识别结果的信度值特征，对融合识别结果进行进一步优化。实验结果表明，采用煤岩界面多信息融合决策识别模型显著提高了煤岩界面的识别精度，总识别误差降低至1.89％，随机煤岩界面的识别结果与实际煤岩轨迹高度逼近。实验结果验证了煤岩界面多信息融合决策模型具有较高的识别精度，大大降低总体识别误差，能够实现截割过程中煤岩界面的准确、快速识别，该模型的构建为实现综采工作面自动化、智能化开采提供了理论基础和技术前提。