摘要：针对采用单一信号进行煤岩界面识别实现采煤机滚筒高度调整控制时精确度和可靠性不高的问题，提出一种基于模糊神经网络的多传感器信息融合煤岩识别方法。通过实验数据采集和分析得到不同煤岩比例截面截割过程中的振动、电流以及声功率谱信号特征样本，根据最小模糊度优化模型求得各煤岩识别信号的模糊隶属度函数，采用基于自适应神经网络模糊推理系统构建的多维模糊神经网络实现多传感器信息的决策融合，得到高可信度和精确度的滚筒调高控制量值。实验室截割实验对比以及现场随机煤岩轨迹的截割实验结果表明，采煤机滚筒截割轨迹与实际随机煤岩轨迹基本吻合，实验结果验证了系统的有效性和可靠性。

关键词：采煤机 模糊 神经网络 信息融合 煤岩识别 

单位：辽宁工程技术大学; 阜新123000; 大连理工大学工业装备结构分析国家重点实验室; 大连116023; 中国煤矿机械装备有限责任公司; 北京100011; 四川理工学院材料腐蚀与防护四川省重点实验室; 成都643000