中厚板焊接已经被广泛应用于船舶、重型机械设备等领域之中。采用自动化焊接方法可以有效地提高生产效率,但焊接过程中工件受热变形等因素影响会使焊缝出现偏差,导致焊接缺陷的产生。因此焊缝自动跟踪技术对保证焊接质量起到非常重要的作用。电弧声传感为非接触采集方式,硬件成本低,采集过程简便易行。电弧声信号中包含了大量的焊接过程信息,当焊缝出现偏差时会引起电弧声发生变化。因此可以通过建立电弧声信号特征与焊缝偏差之间的关系模型,实现对焊缝偏差的识别。论文主要研究基于电弧声信号的中厚板熔化极气体保护焊（Gas Metal Arc Welding,GMAW）焊缝偏差识别问题。首先建立了GMAW焊接试验信号采集系统。研究了电弧声信号的产生机制,结果表明电弧声信号主要源自于电弧能量的变化。采用多项式最小二乘法对原始电弧声信号进行了去趋势项的预处理,处理后的声信号波形移动至关于原点对称位置,保证了信号的准确性。采用快速傅里叶变换方法分析不同摆动周期的电弧声信号,发现其具有频率特征高度相似的特点,基于上述分析并考虑摆动周期因素,实现了声信号样本的完整性选取。其次,为了研究电弧声与焊缝偏差之间的相关性,从时域、频域、时频域三个维度进行了电弧声信号特征分析。（1）研究电弧声信号波形特征发现:截取左右极限位置处75ms数据开展时域分析结果最稳定;焊缝两侧电弧声能量和标准差差值特征能够反映焊缝偏差的变化。（2）利用Welch功率谱估计法对电弧声信号进行频域分析,发现电弧声信号的功率谱密度能量分布随着焊缝偏差的变化发生相应的改变。（3）对电弧声信号开展时频域特征分析,求取不同焊缝偏差条件下电弧声信号的小波包频带能量特征,发现第七、第八频带的小波包能量表现出最好的偏差敏感性和稳定性。上述研究表明电弧声信号能从多个特征维度反映焊缝偏差的变化情况,其与焊缝偏差情况密切相关。最后,基于对焊缝偏差敏感性高的能量差值、标准差差值以及小波包频带能量特征构建了四维特征向量,采用最大最小值归一化方法处理数据。应用网格搜索算法和遗传算法进行支持向量回归的参数寻优,选择焊缝偏差识别效果最优的网格搜索寻优的支持向量回归模型作为最终使用的模型。并通过试验验证了本文提出的焊缝偏差识别方法的有效性。为利用电弧声实现中厚板GMAW焊缝实时跟踪提供了一种新的解决方案。