众所周知,焊接工艺参数决定了焊缝几何形状,而后者可以反映前者。研究有效的方法来建立焊接工艺参数和焊缝几何形状之间的关系,对于提高焊接质量和降低焊接成本非常重要。焊接质量的检测多停留在焊后离线检查阶段。采用激光视觉传感技术并结合焊接经验知识进行监测的研究案例未见。本文分别利用贝叶斯网络(BN)和层次分析法(AHP)监测镀锌钢板熔化极惰性气体保护焊(MIG)焊缝几何形状。激光视觉传感器安装在焊枪后,在线采集焊接过程图像。采集的图像包括电弧和焊缝,将焊缝设置为感兴趣区域(ROI)。利用提取的焊缝几何形状和采用的工艺参数,构建了反向传播神经网络(BPNN),用于预测与当前参数设置相对应的余高和熔宽。根据焊接经验,建立贝叶斯网络模型和层次分析法模型。当实际几何形状和预测几何形状之间的误差很大时,通过模型决策结果调整焊接参数。当焊接电流,焊接电压和焊接速度分别为82 A,25 V和32 cm/min时,余高误差很大。根据贝叶斯网络决策结果,将电流从82A增加到87A后,余高和熔宽均在误差范围内。当焊接电流,焊接电压和焊接速度分别为80A,22V和33 cm/min时,熔宽误差很大。根据贝叶斯网络决策结果,将电压从22 V增加到23 V后,余高和熔宽均在误差范围内。当焊接电流,焊接电压和焊接速度分别为76 A,22 V和35 cm/min时,余高误差很大。根据层次分析法决策结果,将电流从76 A增加到80 A后,余高和熔宽均在误差范围内。当焊接电流,焊接电压和焊接速度分别为78 A,23 V和36 cm/min时,熔宽误差很大。根据层次分析法决策结果,将电压从23 V增加到24V后,余高和熔宽均在误差范围内。实验结果表明,这两种决策方法都可以减小实际几何形状和预测几何形状之间的误差。这项研究可以应对不利的焊接趋势,以适应焊接的随机性,在焊接领域中具有广阔的应用前景。