我国“十四五”规划纲要中将推动煤炭科技创新发展,加强对煤炭绿色智能开采,推动智能化成套装备与关键零部件、工业软件研发作为重点任务之一,以实现煤矿井下的智能化、无人化或者少人化,促进我国从煤炭大国发展成煤炭强国。采煤机作为综采工作面最核心的设备之一,其智能化也可以作为煤矿智能化的标志之一。本文通过采集采煤机摇臂X/Z轴振动信号、截割电流信号、滚筒轴扭矩和扭振信号五种信号,对基于多传感信息融合的采煤机截割煤岩界面识别方法进行研究,实现采煤机煤岩界面的识别,并完成以下工作:（1）分析采煤机的结构与工作原理,以及煤岩界面的形成和识别原理。确定采煤机摇臂X/Z轴振动信号、截割电流信号、滚筒轴扭矩和扭振信号为采煤机煤岩界面识别的主要依据。（2）进行基于传感信息时间域特征融合的采煤机煤岩界面识别方法研究。本文提出一种基于格拉姆角场-深度学习的煤岩界面识别方法。该法以多向截割振动信号为研究对象,将不同煤岩比的传感信号编码为特征图,利用Res Net-34模型自适应地提取信号特征并分类。同时使用小波变换对特征图进行图像融合,实现传感器信息数据级融合,并与引入迁移学习的Res Net-34模型结合,获得更高的准确率。（3）进行基于传感信息时频域特征融合的采煤机煤岩界面识别方法研究。首先,本文提出一种针对采煤机摇臂X/Z轴振动信号、截割电流信号、滚筒轴扭矩和扭振信号等传感器信号的小波阈值去噪结合CEEMD的降噪和特征提取方法,还可以完成信号的多模态分解。实现时频域特征指标和样本熵构成的多维特征向量的提取,并利用主成分分析达到高维特征向量阵降维的目的,提炼出传感器信号中可以表示煤岩界面状态的重要特征数据。其次,提出基于遗传-粒子群算法优化SVM分类器的煤岩界面识别方法,得到以五个单一传感信号为依据的识别煤岩界面结果。并用基于加权证据合成的D-S证据理论对所得结果进行融合,得到最终的采煤机煤岩界面识别结果。（4）以采集的多传感器信号为测试集,对本文所提出方法进行验证,结果表明:基于传感信息时间域特征融合的采煤机煤岩界面识别方法识别准确率可达91.2%,较适合井下传感器数量少,且种类单一的情况;而基于传感信息时频域特征融合的采煤机煤岩界面识别方法识别准确率可达96.3%,更适合井下传感器数量和种类较多的情况,且鲁棒性更强。两种方法均可达到煤岩界面识别的目的,对提高综采工作面自动化、智能化水平,助力我国煤矿开采掘进工作中的“少人化”进而实现“无人化”有着重要意义。