焊接熔池动态特征信息获取与智能控制一直是焊接界研究的前沿课题，也是智能焊接机器人的一个主要关键技术。目前大部分研究工作集中在GTAW不填丝无缝隙对接焊上，在焊缝的成形控制目标上也主要限于焊缝的二维信息上。而在填丝焊和对焊缝高度信息的控制方面研究很少，然而这种情况正是精密焊接所必需的。 本文针对填丝脉冲GTAW熔池三维特征实时提取与智能控制这一问进行了以下几个方面的研究：首先采用图像传感的方法获得清晰的图像；然后对熔池的三维形状参数进行定义，并利用计算机视觉中恢复形状理论提取出熔池表面的三维形状信息；进一步建立焊接规多数同熔池形状参数之间的非线性模型；最后针对焊接过程多变量、非线性、变参数的特点设计了非线性智能控制器，实现了熔池三维形状参数动态智能控制。 被动式视觉传感方法是焊接过程传感的一种主要方法，其主要原理是利用电弧光照射熔池表面获得熔池图像。本文利用这一传感原理，选择合适的取像参数，获得了熔池表面不同形状时都很清晰的熔池图像。 本文分析了焊接的过程中熔池的形状变化及产生的机理，并在此基础上提出了描述熔池形状的特征参数，即熔池正面长度厶、正面宽度W<,t>、半长比R<,hI>、背面宽度W、背面长度L<,b>背面宽度W<,b>、熔池高度H<,t>和熔池深度D<,t。>。开发了提取熔池正反面形状参数的图像处理算法，满足焊接过程实时控制的需求。 在填丝脉冲GTAW过程中，为实现熔池三维形状的动态控制，需要提取出熔池的正面高度参数。本文对三维计算机视觉中明暗恢复形状的机理进行了深入细致的研究，对三种典型的算法分别从对真解的逼近程度和求解效率两个方面进行分析比较。针对Zheng&Chellappa算法对图像灰度变化的敏感性、对物体的边界约束不强和表面法线与光源方向接近处的表面计算误差较大的缺点，提出了在求解过程中对输入图像进行光滑处理、加强边界约束、利用物体表面的已知特征、引入了光强误差加权调整等约束条件，并通过人工合成图像和实际的焊缝图像来验证此改进算法的有效性。在一定的工艺条件下电弧可以被抽象为点光源，光强沿各个方向同性，熔池表面的反射看成是均匀漫反射和镜面反射共同作用的结果，从而建立了实际熔池表面的成像模型，并通过对实际熔池图像熔池表面高度的计算，验证了该模型的正确性。 弧焊焊接过程是被焊金属在电弧热源的作用下，经历加热、熔化以及凝固和连续冷却而最终形成焊缝的过程。可以用非线性函数过程模拟焊接电弧这一热源特性，热源形成可以被认为是瞬时完成的，故非线性环节不含动态过程。加热、凝固和冷却过程则用线性动态过程集中描述。针对这一特点，本文利用Haminerstein模型这一非线性模型来对焊接熔池形成过程进行描述，并利用递推最小二乘法建立了焊接峰值电流I<,p>与熔池的背面熔宽W<,b>的BWHM模型和送丝速度V<,f>与熔池表面高度H<,t>的THHM模型，通过实际焊接过程观测数据的验证并与线性模型比较，显示了该模型的准确性。针对实际焊接过程中熔池背面形状参数直接测量的困难，本文还建立了焊接规范参数同熔池正面参数联合预测熔池反面宽度的神经网络动态模型BWDNNM。 焊接过程是一个时变的过程，为了对熔池背面熔宽进行实时而良好的控制，本文设计了基于焊接峰值电流调节的非线性自校正控制器。通过在2mm厚的Q235钢试件上对接控制实验，表明该控制器可以很好的克服外界干扰，从而保证熔池反面宽度的稳定。为了同时满足熔池反面宽度和正面高度同时稳定的要求，本文还设计了基于焊接峰值电流和送丝速度调节的非线性复合智能控制器。通过在2mm厚的Q235钢试件上对接控制实验，控制结果表明该非线性复合智能控制器通过在焊接过程中有效的调节焊接峰值电流和送丝速度，能够克服焊接过程中的干扰，从而达到熔池反面宽度和正面高度同时稳定的控制要求。