焊缝是焊接接头的主要组成部分，其形状对焊接质量有着重要的影响。准确地预测焊缝形状，对于优化焊接工艺参数，提高焊接接头质量和焊接生产效率及效益都有着重要的意义。　　 目前，对焊缝形状参数预测研究基本上都是单一使用BP神经网络对简单平板焊接焊缝进行研究的，与实际生产有很大差别，尤其像本课题研究的膜式水冷壁焊接，是多焊缝上下面同时进行焊接的。本课题使用遗传算法和BP神经网络结合建立了预测模型，能对膜式水冷壁的四道焊缝形状同时进行较为准确的预测，能为膜式水冷壁管屏焊接质量提高提供依据。主要工作和成果：　　 1、研究了膜式水冷壁焊接生产情况，以及国内外有关焊缝形状预测方面研究现状，研究了影响焊缝形状的因素及影响机理。　　 2、对BP神经网络训练样本的收集整理，本课题采用了正交试验设计法来安排试验，保证了获取的训练样本具有正交性、代表性和全面性，对试验数据处理采用极差分析法进行分析，得到了各焊接工艺参数对焊缝形状各参数影响的主次，为之后提出焊接策略提供依据。　　 3、针对BP神经网络容易陷入局部极值的缺点，采用了用遗传算法优化BP神经网络权值和阈值的方法，从而提高BP神经网络的收敛速度和预测精度，实现对膜式水冷壁四道焊缝形状的准确快速预测。　　 4、对于BP神经网络结构各参数的确定，本课题调用Matlab神经网络工具箱的函数，通过不断的调整参数来仿真训练以得到理想的BP神经网络预测模型，模型预测结果表明其具有较准确的预测性能和较好的泛比性能。　　 5、本课题最后使用遗传算法求解最优解的能力，结合已建立好的神经网络预测模型的预测能力，以给定的期望焊缝形状为目标，得到了优化的焊接工艺参数，并使用这些工艺参数进行试验，得到的结果与期望焊缝形状较为一致。