激光焊接是一种具有极为复杂的物理化学反应过程的金属材料加工工艺,通常由于其复杂性由传统的单一传感器提供的信息难以满足焊接过程质量监测的要求,因而本论文致力于研究基于多传感器信息融合技术的焊接过程质量监测系统。论文首先介绍了激光焊接过程的特点,并依据其光学特性选用了两对红外光传感器和可见光传感器来采集焊接过程中所产生的红外和可见光信号。然后设计出相应的信号调理模块对传感器输出的信号进行滤波、放大等一系列处理,并将其标准化。上位机通过带有PCI接口的数据采集卡完成数据采集,并借助LabWindows/CVI虚拟仪器开发平台对焊接过程的数据进行处理,为激光焊接过程的实时监测和离线分析提供了硬件和软件保障。鉴于焊缝识别与分析的复杂性,本论文将基于神经网络的多传感器数据融合技术应用于激光焊接过程质量监测系统之中。粒子群算法是一种智能化的全局优化搜索算法,可以解决传统BP神经网络收敛速度过慢、容易陷入局部最小值的缺点。本文将粒子群智能搜索算法与传统BP神经网络相结合,利用粒子群算法对BP神经网络的连接权值进行修改,成功地实现了对标准BP网络的改进,并利用改进之后的粒子群神经网络对焊缝状态进行分类。最终的分类结果表明,多传感器信息融合算法为激光焊接质量的监测提供了一种有效的手段。