变厚截面材料是实现汽车轻量化的主选材料之一,同时激光焊接作为车用材料的连接技术广泛应用于汽车行业。由于变厚截面材料在激光焊接过程中要求熔深随材料材厚度的变化而发生适应性变化,而熔深变化无法直接测量,只能通过间接监测光、声、电信号的变化获得熔透状态。本文通过间接监测等离子体形貌和光谱信号为主要内容对熔透状态进行预测研究。首先,本文搭建了“等离子体形貌-光谱”实时监测平台。该平台包括HWF50型激光3D制造系统、电动位移平台及控制系统、形貌采集系统、光谱采集系统。能实现对等离子体形貌和光谱特征的实时采集。并采用图像处理方法提取了等离子体形貌的质心高度,质心摆角,等离子面积,采用光谱分析的方法计算了等离子体光谱强度、电子温度和电子密度。其次,建立了等离子体特征信息与熔透状态之间的相关性联系。针对激光焊接过程中如何实现熔透状态实时监测的问题,本文通过观察熔深和焊缝形貌将熔透状态分为“过熔透”“熔透”“未熔透”,建立了等离子体形貌特征与光谱特征之间的关系。结果发现,基于等离子体多特征信息与熔透状态之间确实存在相关性。从而验证利用等离子体间接监测熔透状态的可行性。最后,实现了基于等离子体多特征信息融合方法对熔透状态的预测。采用BP神经网络对熔透状态进行三分类,利用DS证据理论融合算法对等离子体形貌特征和光谱特征进行融合。并对比分析了DS证据理论融合结果和BP神经网络训练结果。结果发现,采用6×3结构模型的BP神经网络对熔透状态预测的准确率高于DS证据理论融合方法,其准确率能达到97%。本文通过研究监测等离子体特征信息实现对熔透状态的预测,分析了等离子体特征信息与熔透状态的相关性,提出了利用BP神经网络和DS证据理论融合的方法对熔透状态进行预测,为实现对熔透状态的多传感监测和信息融合提供指导,从而加快激光焊接智能监控的进程。