点焊因其成本低、操作简便、噪音低、生产效率高和易于实现自动化等优点,广泛应用于汽车、电器、电池、轨道交通和航空航天等产品的制造。点焊质量直接影响了产品的可靠性和安全性,所以保障点焊质量具有重要社会意义和经济价值。随着传感器技术、计算机技术和人工智能技术的迅猛发展,基于数据驱动的人工智能方法为全面无损的点焊质量监测带来了新的解决方案,通过点焊数据建立模型对点焊质量进行监测是现在点焊领域的重点研究方向。由于生产环境复杂,采集器和传感器工作状态不稳定,在进行数据采集和传输的过程中常出现故障,同时由于每次进行点焊操作的人员、日期和设备都可能不同,每批点焊数据之间存在与点焊质量无关的差异,所以实际工厂环境中的点焊数据通常具有缺失值和批次效应。缺失值和批次效应降低了点焊质量评估模型的可靠性和通用性,给建立智能化的点焊质量监测系统带来了困难。本文基于工业生产过程中采集的点焊数据,针对点焊数据存在缺失值和批次效应的问题进行预处理,并改进现有的预处理方法,建立具有预处理功能的点焊质量监测软件系统。本文具体工作如下:（1）为了更准确地填补点焊时序数据的缺失值,针对GRUI-WGAN时序数据填补方法信息利用不完全和训练不稳定的问题,提出了一种基于BiGRUI-WGANGP的时序数据填补方法。该方法充分利用了有缺失的时序数据的时间特性和缺失规律,采用更稳定高效的动态调整惩罚因子的WGANGP进行训练,提高了缺失值填补的准确度。（2）为了更好地校正点焊数据的批次效应,针对ComBat批次效应校正方法对未知标签数据批次效应校正效果较差的问题,提出了一种基于EM-ComBat的批次效应校正方法。该方法利用EM算法能估计具有隐变量的模型参数的特点,改进ComBat方法的参数估计流程,提高了参数估计的准确度,从而提高批次效应校正的效果。（3）针对点焊生产中的点焊质量可视化、可记录和可溯源的需求,设计并实现具有预处理功能的点焊质量监测软件系统,实现对点焊数据和点焊质量的监测。经测试表明,对点焊数据进行预处理能提高点焊质量评估和检测的准确度,有利于点焊质量监测。