智能化、无人化开采是智能煤矿发展的未来,采煤机采高系统控制则是建设智能煤矿的核心环节。采煤工作面情况复杂,现有的传统控制策略不足以应对连续煤岩界线、煤层突变以及断裂带等多种复杂状况,本文提出一种融合模糊推理和粒子群参数优化的新型仿人智能控制策略用于采煤机采高系统控制的研究。此外,煤岩界线的识别是实现采高系统控制的前提,但低质量煤岩图像会大幅提高煤岩识别的难度。根据Retinex理论和HSI原理,本文提出一种结合注意力机制和残差网络的优点对U-Net网络改进的图像增强模型来改善煤岩图像的质量。主要工作内容如下:（1）通过对目前常见的直方图均衡化等图像增强算法的性能进行综合分析并提出了自己的新模型。首先利用Retinex理论解决图像增强过程中的参数繁杂问题,再根据HSI原理解决图像在RGB格式与HSI格式之间的转换问题,把图像中的亮度分量（I分量）作为增强对象,然后在U-Net网络的基础上引入注意力机制并参考残差网络结构,构建出新型U-Net网络模型。模型搭建完成后在通用数据集上训练,根据合成低照度图像的定量评价指标与真实低照度图像的无参考评价指标对比现有的其他图像增强算法,本文所提出的模型性能占优,泛化能力强。在已训练好的模型上,用合成低照度煤岩图像和真实低照度煤岩图像做测试,同样取得不错的增强效果。（2）通过对经典PID控制等传统控制手段的性能进行综合分析,对这些算法无法应对采煤机采高系统复杂工况进行阐述。并提出一种基于模糊逻辑改进模态切换,利用粒子群算法优化参数的仿人智能控制模型。该模型将仿人智能控制误差相平面e-e的特征模态扩展为模糊集合,通过模糊逻辑推理跟随误差和误差变化实时地选择最优的控制模态,通过粒子群算法跟随误差和误差变化实时地调整控制模态参量。建立混合算法的仿人智能控制模型与其他三种控制模型,将阶跃响应作为输入信号比较四种模型的性能,同时还模拟仿真,验证了在自然曲线和断裂带工况下的性能。对仿真结果进行分析,本文模型的各动态指标均有大幅度提升,其稳定性、鲁棒性也均优于其他模型,可以较好的实现控制目的。