综放开采放顶煤过程是一个复杂且多干扰的非线性系统,放顶煤需要放煤工人依靠视觉、听觉观察放煤口落煤情况,通过经验积累控制放顶煤支架摆动尾梁和收放插板,实现放煤控制。这种人为控制地判断不及时会导致放煤时间不足或过长,以至于放煤过程中常出现过放或者欠放情况,造成资源回收率低和煤质难以保证,显著削弱了刮板输送机的运输稳定性和效率,且由于顶部煤层及垮落煤量的不均匀性,实现对放煤过程中的后续放煤量进行精确预测较难,经常出现后刮板机上已放煤量叠加后续放煤量超出刮板机承载能力情况,导致刮板机过载甚至故障。因此,为解决上述问题,实现放煤量的在线实时监测和放煤量的超前预测,本文提出了一种具有扫描角度自适应调整的功能的放煤量激光扫描自适应监测技术,主要包括扫描角度自适应补偿、煤流量精准计算、短时煤流量预测以及防爆样机设计与优化四个部分作为主要研究内容,主要研究工作如下:首先,针对井下液压支架位姿变化影响激光扫描范围的问题,提出了扫描角度自适应补偿方法,采用倾角传感器实时监测液压支架和激光扫描装置位姿变化,根据激光扫描装置与刮板机相对位置关系,计算激光扫描仪扫描角度偏移量,进而调整激光扫描角度,实现放煤量自适应监测;其次,针对综放工作面的恶劣工况以及煤块间隙引起的测量误差,提出了煤流量精准计算方法,对比的分析常用的点云滤波及插值算法,最终选取统计滤波算法和三次样条插值作为点云预处理方法;激光雷达获取刮板机上放煤量高度轮廓信息序列,采用三角微元法结合扇形微元法计算初始放煤量;基于傅里叶残差修正的灰色理论GM（1,1）模型,建立时间响应函数,对初始计算放煤量修正;经实验分析与评估,基于改进灰色理论修正煤流量的方法,能够获得较低的测量误差,可以应用于综放工作面后刮板机煤料量监测。再次,针对放煤量短时预测问题,首先对小波神经网络的优点以及组合原理进行阐释,然后,在MATLAB构建BP神经网络和小波神经网络两种预测模型,利用塔山8222工作面现场试验样本数据进行仿真实验,通过对比预测结果及精度评估,表明融合了小波函数的时频局部分析优点的小波神经网络煤流量预测模型精度评估等级优于BP神经网络,本文模型极大的降低了煤流量的预测误差。最终,设计了一套放煤量自适应监测系统防爆样机,本文以体积更大、内部排线更为复杂的工控机防爆外壳作为设计以及分析对象,以现有隔爆理论及设计准则和方法对工控机隔爆箱进行设计,并基于有限元分析,对箱体隔爆性能验证分析以及壁厚优化,达到在满足隔爆要求的基础上实现轻量化设计的目的。该论文有图46幅,表20个,参考文献85篇。