采煤机的自动调高是实现采煤机工作面少人化和无人化的关键技术之一。采煤机自动调高控制对提升采煤系统可靠性、延长设备寿命、提高生产效率以及保障生产安全具有重要的现实意义。本文对基于极限学习机的采煤机记忆截割调高控制算法进行研究,完成的主要工作如下:通过对采煤机组成结构和工作原理分析,结合采煤机记忆截割系统研究,进而确定了记忆截割的采集参数和采样周期;考虑到现有的采煤工艺,建立了人工示范刀轨迹规划模型,并分析粒子群算法和遗传算法优缺点,利用两者结合的混合优化算法对示范刀轨迹进行规划,并对规划路径进行误差分析,结果表明混合优化算法能够满足采煤机的工作需求;对传统神经网络算法及一种新型的单隐含层前馈神经网络算法——极限学习机进行了深入研究,表明极限学习机算法在运算速度、计算精度、泛化能力上更具优势;通过对采煤机液压伺服调高系统的分析,针对采煤机调高系统的非线性、延时性等特性,进而设计了基于极限学习机PID控制策略,并利用Matlab/Simulink软件对截割轨迹进行跟踪控制,给出误差曲线。通过对仿真结果和跟踪精度分析,表明极限学习机PID控制能够适用于非线性、延时的采煤机调高系统,能够有效提高跟踪轨迹的精度,对实现采煤无人工作面具有深远影响。