为了实现煤矿井下采煤工作面的机械化和智能化,首先要解决采煤机滚筒的自动调高系统,而采煤机能够实现自动调高就需要在采煤过程中时刻跟踪煤层和岩层的分界面。高可靠性的煤岩界面识别系统不仅能提高煤炭开采过程中的工作效率和经济效益,还能改善井下工作条件,为安全作业增加一份保障。因而,对煤岩界面识别系统的研究就显得极为重要。鉴于目前所采用的研究方法大部分采用单一的传感器进行分析和识别,而单一传感器不仅识别精度不高,而且稳定性和可靠性也非常低。于是,本文利用采煤机上现有的传感器和新增加的传感器,构成采煤机的多传感器系统,并结合信息融合技术和神经网络技术对煤岩界面识别方法进行了研究。根据对采煤机结构和滚筒结构的了解,对采煤机滚筒进行瞬时受力分析,从而确定出需要采集的截割状态参数；通过对信号处理的比较分析,选用小波包分析对采集到的参数信号进行处理；然后确定出信息融合处理模型和具体的神经网络结构,并把处理好的数据输入神经网络对其进行训练使之能够对新采集的数据进行识别；最后运用不确定度理论对其识别结果进行评定,以观测该系统的可靠性。通过本文对煤岩界面识别系统的研究,为以后实现井下采煤机的智能化打下良好的基础。