煤矿巷道掘进作业是井下最危险、工作环境最为恶劣的前端生产环节。与智能综采工作面相比，巷道掘进智能化进展缓慢，“采掘失衡”严重制约了煤炭企业实现高效、智能开采。悬臂式掘进机是我国井下掘进工作面应用最为广泛的机电设备，掘进机能否快速精准截割煤岩直接影响巷道的掘进效率和掘进质量。为此，本文提出一种结合LSTM深度学习和模糊推理控制的巷道掘进机智能联合截割策略与方法，以提高掘进机的掘进效率和智能化水平。首先，通过综合分析掘进机联合截割工况，提出联合截割载荷分级标准，并依此提出一种掘进机联合控制策略。其次，根据此策略提出联合截割控制方法，通过设计LSTM深度学习神经网络控制器实现对截割煤岩载荷等级的精确识别；同时设计模糊推理控制器实现掘进机截割头和截割臂的联合智能调速。最后，基于Simulink软件建立了仿真控制系统，仿真实验结果表明：该方法能够实现对常规工况和复杂工况下掘进机截割头转速和截割臂摆速的联合智能调节，控制过程响应时间在0.6 s内，且基本无超调量，控制准确度高，效果好。此外，与单一控制的先进方法对比表明，本文提出的联合截割控制方法在缩短了响应时间的同时保证了控制方法的稳定性。最后，通过搭建的掘进机远程测控平台设计实验验证了本方法的准确性和有效性，为掘进机器人快速智能掘进的实现提供了技术参考，为之后进一步的优化和工程应用提供了理论基础。

1 联合控制策略
1.1联合控制截割工况分析
1.2联合控制截割策略
1.3联合控制截割方案
2 LSTM载荷识别控制器的设计
2.1 LSTM深度学习神经网络的结构和特点
2.2 LSTM深度学习神经网络的训练结果与优势
3 模糊推理决策控制器的设计
3.1 模糊推理规则的设计
3.2 模糊隶属度
4掘进机联合控制仿真分析
4.1 井下截割数据集
4.2 联合控制仿真模型
4.3 联合控制仿真结果分析
5 掘进机联合控制验证实验
6 结论