采煤机的煤岩识别技术是实现智能控制的基础，现有煤岩识别方法对现场环境及检测设备要求较高，实际综采工作面难以满足所需的必要条件。针对上述问题，提出了一种基于采煤机摇臂销轴载荷数据卡尔曼最优估计的煤岩识别方法，在不增加外部附属仪器设备的基础上，采用摇臂销轴传感器替换现有销轴感知煤岩载荷，可较好地适应环境。通过测定位于摇臂与连接架连接处摇臂销轴传感器的应变数据，采用卡尔曼最优估计算法对载荷数据进行降噪处理，使采煤机在截割煤岩等不同工况下的载荷区间相互分开，通过判断实时载荷处于的区间实现煤岩识别。构建随机载荷信号，利用卡尔曼最优估计算法、最小均方（LMS）自适应估计算法、变步长LMS自适应估计算法对相同信号进行降噪处理，结果验证了卡尔曼最优估计算法对载荷信号降噪处理的可行性与优越性。在某综采实验平台上进行煤岩识别验证，以空载、截割煤壁、截割岩石3个阶段对煤壁侧上端摇臂销轴沿采煤机牵引方向的载荷进行分析，结果表明：载荷数据未经卡尔曼最优估计算法处理之前，截割煤壁与截割岩石状态下的载荷区间存在重合部分，无法准确完成煤岩识别；载荷数据经过卡尔曼最优估计算法处理后，空载、截割煤壁、截割岩石3种工况下的载荷区间相互分开，且各工况下的载荷区间长度缩短了65.6%～83.3%，均方差降低了66.5%～72.9%，数据波动更小，有效提高了数据的辨识度。在实际工程应用中可根据该方法设定截割煤层状态时的期望载荷受力范围，一旦超出该范围，则判断此时不是截割煤壁状态，从而实现煤岩识别。

国家自然科学基金面上项目（52174143）；

史光亮,尉瑞,王海燕,葛津铭,张盛涛.基于采煤机摇臂销轴载荷数据卡尔曼最优估计的煤岩识别方法[J].工矿自动化,2023,49(01):109-115+122.DOI:10.13272/j.issn.1671-251x.2022060093.