掘进机作为煤矿巷道掘进的核心机电设备，其自动行驶与纠偏是巷道截割前的重要步骤，因煤矿综掘工作面的复杂工况，导致巷道底板的潮湿、泥泞或凹凸不平等工况，针对传统掘进机行驶性能与纠偏控制未考虑滑移及巷道倾角的问题，为准确计算煤矿巷道实际工况下掘进机纠偏运动学与动力学参数，文中首先建立了综合考虑巷道倾角与履带滑移的掘进机纠偏运动学模型，根据综掘巷道实际工况与履带车辆地面力学基本原理，基于微元法分析了掘进机履带阻力模型，得到了掘进机履带阻力与力矩方程，基于掘进机纠偏运动学方程与阻力模型，建立了倾斜巷道内掘进机纠偏行驶动力学模型，结合掘进机履带运动系统液压模型建立了掘进机纠偏控制运动传递函数模型，针对综掘巷道底板复杂工况、掘进机纠偏动力学模型及掘进机液压行走系统非线性，提出了基于神经网络PID的掘进机纠偏运动控制算法，可通过神经网络的非线性映射和自学习能力，实现控制参数的在线实时修正与调整，保证控制效果的最优性，并通过Matlab搭建仿真模型，首先验证了本文建立的纠偏动力学模型的准确性，并将神经网络PID控制算法与传统PID控制进行对比，验证了控制算法的有效性与优越性，搭建了基于掘进机实验样机、模拟巷道与智能控制系统的综掘巷道模拟实验系统，首先验证了动力学模型的准确性，通过智能工控机基于神经网络实现PID控制参数的在线获取，实现掘进机纠偏控制的实时控制，通过与PID控制对比，验证了控制系统的可行性与优越性，该研究成果为掘进机在综掘巷道的自主纠偏控制提供了理论与技术支撑，是实现智能化巷道截割与煤矿机器人化开采的重要技术组成部分。