针对采煤机在工作过程中易受不同工况条件的影响导致滚筒调高精度低的问题，提出了一种基于工况触发的采煤机滚筒截割高度模板生成方法。对采煤机历史传感器数据进行预处理和特征提取，选择影响滚筒高度调节的截割电动机电流、截割电动机温度、俯仰角、横滚角、牵引速度5维特征数据，构建用于生成滚筒截割高度模板的补偿回声状态网络（C-ESN）模型；建立工况触发机制，将采煤机传感器实时数据输入C-ESN模型，以测试误差为判断准则，识别当前采煤机的工况为正常区域、三角煤区域或异常工况；最后，C-ESN模型生成相应的滚筒截割高度模板。当三角煤区域和正常区域测试误差都大于阈值时，采用迁移学习方法对测试误差小的截割高度模板参数进行修正，以保证异常工况下截割高度模板的精度。基于现场采煤机实际数据的实验结果表明：左右滚筒截割高度模板与实际截割高度相比，在正常区域的最大误差分别为11.47 cm和9.96 cm，在三角煤区域最大误差分别为12.91 cm和7.94 cm，能够满足工程实际要求；与传统回声状态网络和径向基函数网络模型相比，C-ESN模型的精度在正常区域分别提升了54%和57%，在三角煤区域分别提升了10%和69%。

0 引言
1 C-ESN模型原理
2 工况触发机制
3 滚筒截割高度模板生成
4 实验与结果分析
4.1 数据处理
4.2 工况识别
4.3 滚筒高度模板有效性验证
4.4 不同模型对比
5 结论