通过项目研究，构建了煤矿井下物联网感知层感控系统，进一步优化了煤矿物联网自反馈BP网云计算信息融合算法，通过对BP网络的输入层节点增加了自反馈，使BP网络对历史数据具有了记忆功能，改进后的局部自反馈BP神经网络具有动态映射和处理历史数据的能力。使用该局部自反馈BP神经网络实现了多信息的融合算法。建立了基于物联网的煤矿现场诊断与管理系统架构，通过对工矿企业现场诊断技术、信息融合方法和物联网应用分析，设计了一个基于物联网的工矿企业现场诊断与管理系统，并将局部自反馈BP神经网络信息融合算法应用到基于物联网现场诊断系统的云计算层，为设备生产厂家和工矿企业应用物联网进行现场诊断与管理提供了一个解决方案。建立了感控异构融合机制，研究了煤矿巷道无线感知节点布置策略及定位算法，对狭长空间无线感知节点布置策略及定位算法进行了研究，对目前应用于开阔环境下的无线感知节点定位算法进行了修正，给出了应用于狭长空间的无线感知节点定位算法。同时对狭长空间的锚节点布置方法进行了研究，给出一种较优的锚节点布置策略。理论分析、计算机仿真和实验验证表明：该算法及其锚节点布置策略在狭长空间应用中对未知节点具有很好的定位精度。设计了煤矿物联网多功能读写器，实现了基于物联网感知的煤矿设备主动管理系统，对基于节点斜三角布置策略下的矿井巷道定位技术进行了研究，针对煤矿井下巷道这一特殊的环境，采取在巷道的左右两侧和顶端斜三角形均匀布放锚节点的策略及基于节点收发信号强度的煤矿井下巷道人员定位算法，该算法通过锚节点芯片内置的收发信号强度信息，该节点布置策略与定位算法的有效结合，有效提高了煤矿井下巷道环境下人员的定位精度。提出了一种基于最小角信任度的无限传感器网络节点定位算法，对静动态分蔟的RSSI低功耗、高精度移动目标进行了监测及优化，针对单独静态分簇、动态分簇的不足，通过对感知区域进行智能分区并将选择簇头及检测目标等参数进行综合考虑，提出了一种静动态分簇技术相结合的网络策略。该静动态结合分簇策略减小了网络跳数和数据传输量，降低了无线传感器网络节点能量消耗，实现了能量的均衡利用，延长了网络生命周期。进行了井下人员定位模型研究，构建了煤矿信息物理系统模型。本项目共在国内外学术期刊和会议上发表论文16篇，出版专著1部，培养硕士研究生10名，博士研究生2名，申请专利3项，获得奖项2项，获得软件著作权2项。