采煤机是综采工作面的核心装备,采煤机的自适应截割控制是实现其智能化的基础,同时亦是保证煤机综合性能最优和机组安全可靠运行的重要举措。为解决复杂煤层条件下采煤机自适应截割控制问题,以兖州煤业集团杨村煤矿4602工作面的煤层及MG2×55/250-BWD型采煤机螺旋滚筒为工程对象,以国家自然科学基金项目“夹矸煤岩高效截割滚筒落煤动力传递规律及结构进化理论研究（51674134）”为依托,基于信息物理系统（Cyber-Physical Systems,简称:CPS）理念,以虚拟样机技术为研究手段,分析基于Simulink搭建的煤岩截割状态识别模型系统的可行性及探寻采煤机自适应截割最优控制策略,并将煤岩截割状态识别模型系统及最优控制策略相结合作为CPS的信息系统,基于相似理论搭建采煤机自适应截割控制综合试验台作为CPS的物理系统;并将信息系统与物理系统相融合以实现前者对后者的闭环自适应控制,开展的研究及取得的成果如下:依据物理试验获得煤岩的本征参数,以Plackett-Burman试验、最陡爬坡试验和Box-Behnken试验为手段,基于煤岩堆积试验和单轴压缩试验实现煤岩颗粒接触力学参数和粘结力学参数的标定,标定误差均处于5%范围内。以虚拟样机技术为手段,利用EDEM构建复杂煤层条件下离散元煤壁模型,利用Recur Dyn构建采煤机刚柔耦合动力学仿真模型,基于（DEM-MFBD）接口构建EDEM-Recur Dyn采煤机截割煤壁双向耦合模型,并通过与物理试验对比验证模型的可靠性,利用AMEsim建立采煤机调高液压系统模型,并与EDEM-Recur Dyn双向耦合模型相集成模拟采煤机截割煤岩的物理系统。构造使采煤机综合性能最优的多目标优化模型,优化得到典型工况下采煤机牵引速度和滚筒转速最优值。将滚筒截割阻力方向的振动加速度作为识别特征信号,利用奇异值分解（简称:SVD）图像压缩降噪、连续小波变换（简称:CWT）、Fancy PCA与Alexnet网络迁移学习相结合的研究手段实现煤岩截割状态的识别,识别准确率可达95.09%。基于DDPG深度强化学习算法搭建采煤机自适应调控模型,并从系统跟踪特性、抗干扰性、环境自适应性及不同控制算法控制性能四个方面验证DDPG算法的优越性。基于Simulink建立煤岩截割状态识别、自适应调高、采煤机牵引速度-滚筒转速（vq-n）协同调速电-控系统模型,并基于接口技术搭建采煤机自适应截割机-电-液-控多领域（EDEM-Recur Dyn-AMEsim-Simulink）协同仿真模型,利用该模型对工况突变时运动学参数调节顺序及采煤机截割过程不同调控方式的性能进行仿真分析,确定了不同工况下采煤机自适应截割最优控制策略:选用vq-n协同调速及滚筒高度自适应调节联合控制方式,且识别到煤岩体f值减小的工况时选用牵引速度与滚筒转速同时调控策略,识别到煤岩体f值增大的工况时选用牵引速度优先于滚筒转速调控策略。基于相似理论搭建采煤机自适应截割控制综合试验台,基于OLE for Process Control技术（简称:OPC技术）建立PLC与Lab VIEW的通讯,完成CPS物理系统的搭建;基于Lab VIEW与Matlab混合编程实现物理系统与利用Simulink建立煤岩截割状态识别及采煤机自适应截割最优控制策略的信息系统的深度融合,基于相似试验台试验验证了其能够精准识别到截割工况的变化、并能够按照最优控制策略进行调控,试验所得采煤机牵引速度、滚筒转速及液压缸活塞位移相似反推值与仿真值的均值误差分别为7.83%、6.46%和8.17%,验证了所建立的煤岩截割状态识别系统及探寻的采煤机自适应截割最优控制策略的可行性,表明信息系统可实现对物理系统精准调控。将虚拟样机技术、多目标优化理论、深度强化学习智能算法、相似理论和物理模型试验相结合,研究采煤机自适应截割控制问题,可显著提升采煤机对赋存条件复杂煤层的适应性,为加速煤矿智能化发展探索一种有效的途径,具有较强的理论意义及工程应用价值。该论文有图116幅,表45个,参考文献224篇。