机器人焊接在铝合金焊接中的应用日益广泛。机器人焊接主要采用“示教-再现”模式,在焊接中,不免会出现装配误差、受热变形,导致焊接成型不合格,出现焊漏、未焊透等缺陷。通过搭载多信息的传感器实现焊接过程监控、检测焊接质量就显得尤为重要。为了研究焊接过程中的焊接状态,本文基于视觉传感、电流电压传感、声音传感技术的多信息融合,构建了一套焊接多源信号采集系统。基于传统的焊接机器人试验平台,搭载了CCD（Charge Coupled Device）图像传感器、声音传感器、电压电流传感器,实现了对焊接数据的感知。使用伏能士的Weld Cube软件结合搭建的声音图像采集软件对焊接数据进行采集。设计并进行了铝合金CMT焊接试验。CMT焊接技术将以往的短路过渡控制方式和焊丝的机械运动相结合,其热输入较低及电弧稳定的特点,极其适合薄板焊接。本文设计并进行了焊接试验,获取了不同熔透状态的试验结果,并对试验中获取的焊接电信号、电弧声音信号和对应的熔池图像进行了如下分析和研究:1.焊接电信号与声音信号和熔池图像之间的相关性。通过对电弧声音信号与焊接电信号以及功率进行自行关和互相关函数分析,发现电弧声音信号与电流及其一阶差分相似度较大。通过对熔池图像与焊接电信号相关性的分析,发现电流电压会对熔池的熔深和熔长产生正向影响的同时,也会正向影响熔宽;而焊接速度的增加会使得熔池的熔长和熔宽减小。2.对电弧声音信号以及熔池图像进行了数据处理和特征提取。在对声音信号的分析时,进行了时域特征与频域特征的特征提取。时域特征的提取是通过数据加窗分帧,进行数理统计获得。主要进行了对声音能量、RMS、标准差、峰度因子等八个时域特征的特征提取分析;使用傅里叶算法获得声音信号的频域,对声音信号频域的幅度谱、相位谱以及功率谱进行了分析。在熔池图像的处理上,进行了ROI选取、中值滤波、灰度直方图调整、均衡化处理,使用canny算法进行了轮廓的提取,主要提取了熔池熔宽、熔池的半长轴以及熔池的前进角等几何特征。3.基于XGBoost算法,建立了焊接熔透状态的识别模型,并对各种不同熔透状态进行了分类预测。对焊接过程中采集到的多源传感数据进行了预先处理以及数据整合,构建了多种焊接状态的数据集。对模型参数进行了设置和调优,然后对模型进行了训练。经过训练后的模型对焊接状态进行分类预测,准确率达到97%左右。通过特征重要性对比,发现熔池前进角的几何特征在焊接熔透状态分类预测中起到了决定性的作用。