随着煤炭工业由劳动密集型向技术密集型的转变,综采工作面的“少人化”或“无人化”成为煤矿安全、高效生产的关键。在综采工作面中,采煤机、液压支架和刮板输送机需要配合工作,作为关键机电装备之一,采煤机的自动化程度直接影响整个综采工作面的安全生产。因此,有必要对采煤机的智能控制技术进行研究,进而提高综采工作面的自动化水平,减少现场作业人员,为综采工作面的安全高效生产提供技术保障。本文以电牵引采煤机智能控制关键技术的研究和系统开发为目标,研究了基于截割路径跟踪和运行状态评价的采煤机智能控制方法,以牵引速度调节作为主要控制手段、滚筒截割高度调节作为次要控制手段,实现了采煤机稳定、可靠运行的智能控制。在此基础上,对采煤机智能控制系统中的截割路径跟踪、运行状态评价、牵引速度控制以及智能协调控制等关键技术进行了深入地研究,主要成果如下:(1)在分析采煤机基本结构及工作机理的基础上,结合采煤机智能控制系统的功能要求和技术要素,提出了采煤机智能控制系统的控制方案及控制流程,并对采煤机智能控制系统的总体结构进行了设计。(2)提出了基于煤层分布边界趋势的采煤机截割路径跟踪方法,对煤层分布边界曲线的描述方法进行了分析,建立了由常规点、关键点和异常点组成的特征点集,研究了基于改进D-S证据理论与多神经网络融合的煤层分布边界预测算法,给出融合预测算法的具体实施步骤和流程图,并利用插值算法对煤层分布边界特征点进行拟合优化,得到了性能更好的截割路径生成方法。(3)构建了采煤机运行状态的评价体系,建立了采煤机运行状态评价模型,确定了正常、过渡、异常和危险四种运行状态的识别模式。给出了基于属性约简和值约简的数据预处理方法,设计了基于粗糙集理论与BP神经网络相结合的模式识别算法。在此基础上,研究了基于模糊逻辑的采煤机运行状态异常的专家知识库,为实现采煤机的智能控制提供可靠的参考依据。(4)提出了一种基于T-S云推理网络与粒子群优化算法相结合的采煤机牵引速度调整方法,实现了采煤机牵引速度的实时控制。确定了以采煤机稳定、可靠运行为控制目标,以牵引调速和滚筒调高为控制手段的动态协调控制思想,建立了基于滚筒高度与牵引速度协同调节的采煤机智能控制体系,给出了控制指令的优先级划分准则,设计了基于指令优先级的采煤机智能协调控制方法和流程。通过实验室实验以及煤矿工业性试验对本课题研究的采煤机智能控制方法进行了验证,结果表明:在实验和生产过程中基于煤层分布边界的采煤机截割路径跟踪绝对误差均小于0.05m;基于粗糙集理论与BP神经网络融合的采煤机运行状态评价方法可以准确识别出采煤机的实时运行状态,可以在采煤机运行状态出现异常时准确判断出异常原因,并以此为依据对采煤机的牵引速度和滚筒高度进行动态协同调节,从而实现了采煤机的智能控制。