采煤机的智能化是实现工作面智能化和无人化开采的前提条件。本书介绍了采煤机智能化相关技术的国内外研究现状，指出应用中存在的问题，设计了采煤机智能控制系统的总体架构，并对采煤机惯性导航精确定位、采煤机煤岩截割模式识别、综采工作面煤岩识别、采煤机截割路径优化、综采工作面煤壁片帮识别等采煤机智能化的关键技术进行了深入探讨。本书内容全面、新颖，涵盖了采煤机智能化的*新前沿技术，为提升煤矿智能化开采水平提供了坚实的理论基础。
本书读者对象是高等院校的教师和研究生，科研院所、企业的工程技术人员，以及关心煤矿智能化发展的各界人士。

前言
第1章绪论1
11我国采煤技术的发展历程1
12高可靠性采煤机的发展历程2
13采煤机智能化相关技术的研究现状3
131煤岩识别技术3
132采煤机定位技术5
参考文献7
第2章采煤机的基本结构及智能控制系统架构11
21采煤机的基本结构11
22采煤机的工作原理14
23采煤机调高与调速系统的工作原理16
24采煤机智能控制系统的总体架构18
241采煤机机载监控系统19
242采煤机井下远程监控系统20
243采煤机地面监控系统23
244智能化采煤机的关键技术23
参考文献23
第3章采煤机惯性导航精确定位技术24
31采煤机惯性导航定位模型24
311坐标系定义及转换过程24
312姿态变换矩阵实时解算算法26
313采煤机惯性导航定位微分方程28
32采煤机惯性导航定位方案30
33采煤机惯性导航定位误差模型31
331姿态误差模型32
332速度误差模型33
333位置误差模型34
334系统误差模型34
34采煤机惯性导航定位的初始对准35
341卡尔曼滤波算法35
342改进的果蝇优化算法36
343基于果蝇优化卡尔曼滤波算法的初始对准39
344初始对准算法的仿真分析45
35差分式惯性传感组件数据融合模型47
351差分布局方法47
352数据融合方程47
36采煤机位姿差分解算算法48
361采煤机姿态差分解算48
362采煤机速度差分解算49
363采煤机位置差分解算50
37试验验证51
371试验平台搭建51
372采煤机惯性导航定位试验53
参考文献56
第4章采煤机煤岩截割模式识别技术58
41采煤机煤岩截割模式分析58
42煤岩截割传感信号分析59
421煤岩截割声音信号的产生机理59
422煤岩截割振动信号分析61
43基于多传感信息融合的采煤机煤岩截割模式识别62
431采煤机煤岩截割模式识别系统架构62
432采煤机煤岩截割模式识别流程63
44基于红外热成像的采煤机煤岩截割模式识别64
441采煤机截割煤壁红外热成像图分析64
442截割过程中温度特征分析65
443截割煤壁温度数据分析66
参考文献67
第5章综采工作面煤岩识别技术68
51基于深度学习的综采工作面煤岩识别系统设计68
511综采工作面煤岩识别系统架构68
512基于深度学习的综采工作面煤岩识别流程69
52综采工作面煤岩图像数据集的构建71
521综采工作面煤岩图像采集71
522综采工作面煤岩图像扩充73
523综采工作面煤岩图像标注75
524综采工作面煤岩图像数据集划分76
53基于卷积神经网络的煤岩图像分类77
531经典的卷积神经网络模型78
532基于CRnet的煤岩图像分类网络模型设计79
533试验设计与分析84
54基于改进Unet网络模型的煤岩图像语义分割88
541经典的语义分割网络模型89
542煤岩图像语义分割网络模型设计90
543试验设计与分析95
55基于激光扫描的综采工作面煤岩识别流程99
551激光扫描技术100
552基于激光扫描的综采工作面煤岩识别流程101
56煤岩截割表面激光点云数据的精简102
561经典的点云数据精简方法103
562基于特征点保留的煤岩激光点云数据精简方法105
563点云数据精简效果的评价指标109
57基于激光点云数据的煤岩识别110
571传统区域生长点云分割算法111
572煤岩激光点云数据的最佳强度阈值确定111
573改进蚁群算法及其应用115
574基于IACOOTSU改进区域生长的煤岩识别算法118
58试验验证120
581试验平台搭建120
582煤岩识别结果评价121
583试验结果与分析121
584井下现场测试129
参考文献131
第6章采煤机截割路径优化技术132
61基于煤层分布预测的采煤机截割路径规划方法132
611DS证据理论与神经网络132
612煤层分布边界特征点的选取135
613基于改进DS证据理论与多神经网络的煤层分布趋势融合预测方法136
62采煤机滚筒截割路径模糊优化方法140
621记忆截割原理与存在的问题140
622采煤机记忆截割路径的模糊优化方法141
63基于双坐标系的采煤机截割路径平整性控制方法144
631截割路径平整性控制坐标系的建立145
632截割过程分析与动态控制方法146
633试验验证148
参考文献151
第7章综采工作面煤壁片帮识别技术152
71基于混合算法的综采工作面监控图像增强方法153
711综采工作面监控图像特性分析153
712基于双边滤波与单尺度Retinex的混合图像增强算法154
713基于混合算法的综采工作面监控图像增强试验分析157
72基于背景差分法的煤壁片帮特征分析方法164
721背景差分法165
722基于背景差分法的煤壁片帮特征分析体系构建168
723仿真分析171
73基于支持向量机的煤壁片帮危害程度评估方法174
731煤壁片帮危害程度评估问题174
732基于支持向量机的煤壁片帮危害程度评估模型175
74试验验证176
741煤壁片帮识别模拟试验平台设计176
742煤壁片帮识别软件设计177
743试验方案与结果分析181
参考文献184

我国煤炭资源丰富，煤炭储量居世界第二位。煤炭是国民经济和社会发展的能源基础，它在我国一次能源生产和消费结构中所占比重一直保持在50%以上，预计到2035年，煤炭仍将在我国能源供给中占比40%左右。在未来较长的一段时间里，煤炭在我国能源消费中拥有绝对的主导地位。由于煤矿井下作业环境恶劣及采掘装备的可靠性和智能化水平低，煤炭生产仍属于高危行业。近年来，随着我国煤炭开采技术和装备的发展，煤矿安全生产形势稳定好转，但事故总量依然很大，煤矿百万吨死亡率指标与世界先进产煤国家相比仍有较大差距。因此，亟待提高采煤装备的智能化水平，实现“无人化”或“少人化”开采，改善采煤工人的劳动条件，降低劳动强度，提升煤矿安全生产水平，保障国家能源安全。
作为综采工作面的关键装备，采煤机的智能化是实现工作面智能化和无人化开采的前提条件。自20世纪60年代以来，国内外一些高校、科研院所和煤机制造企业进行了煤岩识别、采煤机状态识别及智能控制相关的研究，但由于综采工作面具有不断推移和复杂多变的工况特点，采煤机难以根据煤层地质条件的变化自适应地调整工作状态，导致采煤机智能控制的应用效果并不理想。本书着重介绍了作者研究团队多年来在煤矿智能化开采方面的研究成果，旨在为行业内科研院校及煤矿企业提供参考。本书共分为7章。第1章绪论部分概述了我国采煤技术的发展概况，回顾了煤岩识别技术和采煤机定位技术的国内外研究现状，并指出应用中存在的问题。第2章详细地介绍了采煤机的基本结构及工作原理，设计了采煤机智能控制系统的总体架构，凝练了智能化采煤机的关键技术。第3章分析了采煤机惯性导航定位产生的主要误差类型，提出了一种采煤机惯性导航定位方案，建立了采煤机惯性导航定位的姿态误差模型、速度误差模型、位置误差模型和系统误差模型；为了提高采煤机惯性导航定位的初始对准精度，对果蝇优化算法进行了改进，研究了基于果蝇优化卡尔曼滤波算法的采煤机惯性导航定位初始对准方法；然后，研究了基于差分式惯性传感组件的采煤机位姿差分解算算法；最后，设计并搭建了采煤机惯性导航定位试验平台，进一步验证提出的采煤机惯性导航定位方法的正确性和可行性。第4章在分析采煤机煤岩截割模式的基础上，详细探讨了煤岩截割传感信号的产生机理；在此基础上，研究了基于多传感信息融合的采煤机煤岩识别方法；然后，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。第5章借助煤岩可见光图像及煤岩截割表面的激光点云数据，建立了卷积神经网络模型，设计了激光点云数据精简和分割算法，分别研究了基于深度学习和激光扫描的综采工作面煤岩识别方法。第6章通过采煤机滚筒截割的历史数据来生成煤层分布边界的历史特征点，研究了基于煤层分布预测的采煤机截割路径规划方法；然后，设计了采煤机滚筒截割路径模糊优化方法；在此基础上，研究了基于双坐标系的采煤机截割路径平整性控制方法，从而为采煤机的智能调高提供依据。第7章以识别煤壁片帮为目标，研究了基于机器视觉的综采工作面煤壁片帮识别关键技术，提出了综采工作面监控图像增强方法与煤壁片帮特征分析方法，实现了煤壁片帮危害程度评估。
本书所进行的研究，得到了国家发展改革委“2011年智能制造装备发展专项”——“煤炭综采成套装备及智能控制系统”（发改办高技〔2011〕2548号），国家自然科学基金项目“基于煤岩识别的采煤机自适应调高与调速控制策略研究”（U1510117）、“采煤机截割部混叠振动信号解耦机理及其截割模式识别方法研究”（51605477）、“采煤机截割煤壁温度场演变机理及截割动力自适应控制策略研究”（52174152），中国博士后科学基金项目“基于红外热成像的采煤机截割强度识别及调控策略研究”（2019M661974）等项目的大力支持，作者在此表示衷心的感谢。
本书所进行的研究，还得到了江苏省高校优势学科建设工程资助项目、矿山智能采掘装备省部共建协同创新中心、江苏省矿山机电装备高校重点实验室、江苏省综采综掘智能化装备工程技术研究中心、江苏省智能矿山装备工程研究中心的大力支持，作者在此表示衷心的感谢。
参加本书撰写的还有谭超、周信、万淼、徐荣鑫、刘朋、熊祥祥、蒋干。由于作者水平有限，书中不当之处在所难免，恳请读者朋友不吝赐教，提出宝贵的批评和建议，我们将不胜感激。

作者