GMAW焊接是一个集声、光、电于一体的复杂的物理、化学过程,各种电弧信号为焊接过程质量控制提供重要信息。电弧电压以及焊接电流信号作为焊接过程中的伴生物之一,其蕴涵着丰富的电弧信息,它与电弧行为、熔滴过渡方式、电弧稳定性、焊缝质量等有着密切的相关性,是研究焊接过程稳定性及焊接质量监控的重要信息源之一。本课题以铝合金脉冲MIG焊过程稳定性分析为目的,焊接电流与电弧电压等动态焊接信号为对象,利用现代信号处理以及信息融合等领域的技术方法对焊接电信号进行分析研究,初步建立了可以用来评价铝合金脉冲MIG焊过程稳定性的参数化模型。利用人工神经网络和支持向量机等先进模式识别方法建立焊接电信号与焊接状态的映射模型,对焊接速度、送丝速度、占空比等焊接参数的最佳匹配状态进行了预测与分类。为铝合金脉冲MIG焊在线实时控制提供了稳定性反馈。主要研究内容包括以下几个方面:建立了基于Labwindows的声、光、电以及视频同步数据采集系统。通过对一系列铝合金脉冲MIG焊接过程中的电弧电压信号的近似熵分析,且与实际焊缝对比分析,证明用铝合金脉冲MIG焊电弧电压信号的近似熵来衡量焊接过程稳定性的可行性,同时又利用了概率密度分布的信号分析方法对一系列的铝合金脉冲MIG焊接过程中的电弧电压信号进行了分析,发现了不同焊接参数下的电弧电压信号的概率密度分布不同并从中可以发现一定规律,同时与实际焊缝对比分析,证明用铝合金脉冲MIG焊电弧电压信号的概率密度峰值的比值来衡量焊接过程稳定性也是可行的,并利用两种方法下的分析结果初步建立了可以用来评价铝合金脉冲MIG焊过程稳定性的参数化模型。利用二维统计以及二维近似熵理论等信息融合方法进一步对铝合金脉冲MIG焊过程的电信号进行分析,得到焊接电流和电弧电压信号与焊接参数间的相关性。对多信息融合下的焊接过程稳定性分析进一步的研究奠定了基础。利用人工神经网络和支持向量机先进模式识别方法对铝合金脉冲MIG焊过程稳定性以及焊接过程最佳参数匹配进行了预测与分类;最后利用激光线光源对铝合金脉冲MIG焊缝进行了加强高视觉提取,都取得了很好的效果。