在煤矿生产中,由于工作面环境恶劣,回采条件艰苦,提高煤矿设备智能化水平对安全高效生产有重要意义。在此背景下,本文以两柱掩护式液压支架作为基础设备,构建了支架的光纤姿态智能感知系统,并对支架顶梁姿态决策问题进行了深入研究。主要的研究内容如下:(1)分析了光纤光栅传感技术的结构、分类、感知原理以及温度、应力(应变)的监测原理;结合支架姿态类型以及两柱掩护式液压支架结构特征,建立支架姿态模型,并利用矢量闭环理论对其进行解算;最后,基于上述理论分析,完成了支架姿态智能感知系统的构建。(2)研发设计了感应梁式FBG倾角传感器。利用Ansys Workbench对其进行数值仿真研究,采用试验研究的方法对其性能以及与支架姿态的结合度进行测试。研究结果表明:在全量程范围内(-25°~25°),传感器灵敏度理论值为51.78pm/°,实测值为51.25pm/°,灵敏性较好,且其具有较高的稳定性,与支架姿态匹配性良好,符合支架姿态感知要求。(3)构建了基于BP神经网络的顶梁姿态决策模型。通过分析支架顶梁姿态的影响因素及姿态智能感知系统的监测量,确定了顶梁的决策指标体系;结合BP神经网络的相关理论,给出了决策模型的相关参数,即输入层和输出层的神经元个数分别为17个和1个,隐含层神经元个数范围为4~15个,学习速率为0.5,期望误差设置为0.00001。(4)在MATLAB平台中对基于BP神经网络顶梁姿态决策模型进行仿真与分析。选取隆德101工作面进行液压支架姿态智能感知系统的安装与布置,对81#支架在推进100m范围内姿态信息进行数据采集,然后利用该数据对网络模型在MATLAB中进行学习与测试。仿真结果表明:trainlm为最佳的训练函数,隐含层神经元节点数最优值为10个;模型所产生的绝对误差范围0~0.06°,相对误差的范围为0%~2.1%,证明了模型的预测精度高,稳定性强;其平均绝对误差为0.021°,平均相对误差为0.70%,均符合决策时要求,说明模型的有效性。该论文有图78幅,表10个,参考文献83篇。