中国的能源结构是“富煤、少油、缺气”，这一特点决定了在未来几十年里，在中国一次能源结构中，煤炭将长期处于主体能源地位，以煤炭为主的能源消费框架不会发生改变。近年来随着综采工作面机械化不断提高和人工智能技术的快速发展，煤矿无人化、自动化、智能化开采已经成为当今矿业领域研究的热点。作为综采工作面的核心装备，采煤机自动化管理技术是实现工作面自动化开采的重要基础。
　　论文以采煤机自动化管理的关键技术展开了研究，在分析了目前采煤机自动化技术存在不足的基础上，综合应用了三维地质建模、地质统计学、智能算法、计算机模拟仿真、捷联式惯性导航、多源数据融合、遗传优化算法等多项理论与技术，系统研究了采煤机在复杂地质条件下实现自动化管理的关键技术，为记忆割煤技术存在的局限性提供新的解决思路。论文主要的研究结果有：
　　（1）提出了基于机器深度学习算法Faster R-CNN的煤岩识别方法，利用大量图片数据集对Faster R-CNN网络进行了训练，训练后的网络可以快速地检测到图片中的煤与岩石，与传统的煤岩图像识别方法相比，该方法识别速率更快，智能化更高。
　　（2）以综采工作面地质钻孔以及虚拟钻孔信息作为原始数据，采用Delaunay三角网逐点插入剖分法→TIN-GTP“放样”生成煤层三维地质模型，并应用信息融合算法对构建的煤层模型精度进行修正，利用计算机进行了模拟仿真，结果表明该方法可以有效地提高煤层模型的精度。
　　（3）通过建立采区统一坐标系以及调整惯性导航系统的参考坐标系实现了采煤机在煤层中的绝对定位定姿，并在此基础上提出了基于煤层地质模型的预设割煤线路技术，该技术主要用于地质条件相对复杂、煤层起伏变化较大的工作面，并在山西某矿进行了试验，通过分析收集到的数据验证了该技术的可行性。
　　（4）利用遗传算法在满足采煤工艺约束条件下，对采煤机的割煤线路进行了优化，优化后的割煤线路更加平滑，同时工作面的回采率达到了最优。
　　（5）对采煤机自动化管理平台架构进行了总体的规划，并对平台中各个模块的功能和界面进行了设计。