较薄煤层高效开采是目前我国煤炭业面临的重大课题，而工作面综机设备是制约较薄煤层实现高产高效的突出技术难题。 设备研制的最大难题集中表现为高效开采要求综机设备必须具备的大功率、高可靠性与小采高所带来的设备空间结构尺寸过小的矛盾难以得到有效解决。为此，本文以兖矿集团较薄煤层高效开采成套装备及工艺研究项目为依托，对较薄煤层综采设备选型配套技术进行了理论分析与应用研究。 论文在对现有的综采工作面设备配套理论与方法进行充分研究与分析的基础上，针对较薄煤层综采工作面设备选型系统特点，建立了基于ANNES的工作面生产能力预测BP神经网络模型和综采工作面设备参数神经网络预测模型的较薄煤层综采工作面设备选型配套系统。实践证明，上述方法科学合理：其预计的工作面产量同实际产量完全吻合，所研制的设备完全适应工作面高效开采需要，解决了长期以来国内较薄煤层无法实现高效开采的难题。 论文对BP网络算法、神经网络推广能力和可修复系统可靠性问题进行了研究，采用LM算法进行网络训练，克服了传统算法的训练速度慢、训练效率低的缺点；采用“早停法”来克服“过拟合”问题，解决了网络训练的泛化问题；采用马尔可夫过程对工作面综机系统和设备的可靠性进行了分析，给出了综采工作面单元可靠性参数计算方法，并运用上述方法对工作面综采设备的可靠性进行了评估。 工业性试验表明，论文提出综机设备配套方法与设计流程科学合理，高效快捷，有效地解决目前较薄煤层工作面综机设备选型配套难题。