煤岩识别是实现井下无人化的关键技术。构成煤岩的不同分子团使其近红外光谱曲线产生不同的吸收特征,近红外光谱煤岩识别正是根据煤岩光谱差异性进行煤岩识别。井下的复杂环境对近红外光谱技术的适用性提出了更高的要求。本文通过对搭山煤矿8222工作面的环境因素进行现场测试以及对其他工作面环境特征进行调研,获得井下粉尘、水雾和机械振动的环境特征;在密闭实验箱内模拟8222工作面粉尘、水雾振动环境;对光谱仪的可聚光集成探头进行设计加工装配,该探头在探测距离2m时光源辐照度达到1400W/m~2,照度达到20000Lux以上,光源的中心热点的照射面积为61cm~2,准直镜收光范围为6.37cm~2;采用密闭试验箱+探头搭建环境光谱实验平台;选择典型煤岩试样作为实验样本,采集典型煤岩试样在不同粉尘环境不同水雾环境不同探测距离下的近红外光谱;采集样本表面1000-2500nm无环境因素影响下的煤岩的反射光谱作为实验标准数据库,采用卷积平滑以及SNV对实验光谱以及标准数据库进行预处理,通过皮尔逊相关系数评价预处理前后实验光谱与标准数据库的相似程度;采用无监督识别算法夹角余弦与皮尔逊相关系数对预处理后的不同环境条件下实验样本进行煤岩识别;采用振动平台模拟井下采煤机振动对煤岩识别产生的影响,并对煤岩分界线上的探测精度进行分析。结果表明:(1)粉尘和水雾的加入导致波长1000~1200nm与2400~2500nm的光谱曲线出现异常波动,其产生的原因为光源光谱强度呈现负二次分布,实验光源峰值处于1600nm,光源强度低,粉尘水雾的消光作用使光谱信号强度进一步降低,最终导致光谱曲线失真;(2)在较低浓度(600 mg/m~3、1000 mg/m~3、1500 mg/m~3)时光谱反射率随浓度增加而增加;但光谱曲线处于高浓度(3000mg/m~3)时,粉尘对光的吸收作用增大,导致光谱在整个波段反射率下降特征吸收谷减弱;(3)粉尘环境下,光谱数据经SG+SNV预处理后的样本数据库与实验样本数据匹配度显著提升,除褐煤外,所有实验样本光谱与标准光谱库的相关系数平均提升0.13;(4)粉尘环境下光谱角度匹配SAM的聚类识别准确率P为100%,识别时间为8ms,皮尔逊相关系数的聚类识别准确率P为87.5%,识别时间为852ms。(5)煤样本光谱反射率随水雾浓度的增加而增加;在低水雾浓度条件下,所有样本的特征光谱吸收谷均未消失;在高水雾浓度情况下,采集距离为0.3m时所有样本的特征光谱吸收谷均未消失;但在采集距离为0.7m时,光谱曲线反射率升高,光谱曲线斜率为负数,光谱曲线均有吸附水1900nm的特征吸收谷。(6)水雾实验样本数据经SG+SNV预处理后,与标准光谱库数据匹配度得到有效的提升,相关系数平均提升0.25。(7)水雾环境下光谱角度匹配SAM模型煤岩识别准确率为83.3%、皮尔逊相关系数为80%;(8)振动频率20Hz、40Hz条件下对煤岩光谱识别无明显影响;(9)煤岩分界线上样本识别为岩的临界条件为煤岩面积比为0:1;(10)随着振动的进行,光谱曲线呈现由煤到岩渐变的光谱曲线,特征吸收谷随着反射率的增加逐渐显现;岩-煤探测情况煤岩识别精度为66.6%;近红外光谱煤岩识别的结果受振动的影响在煤岩分界线附近呈现周期性变化。该论文有图71幅,表16个,参考文献115篇。