目前,机器人技术已经广泛的应用在焊接领域中,机器人焊接也正在朝着更高程度的自动化与智能化方向发展。而自动化和智能化均为焊接机器人实现高效加工的手段,焊接工艺作为连接产品设计与制造阶段的枢纽,对焊接效率、焊接成本以及焊接质量都有着极为重要的影响。焊接工艺智能规划配合工业机器人对实现更高程度的焊接自动化与智能化有着非常重要的意义。为提高机器人焊接工艺规划智能程度,本文以工艺知识、数据为核心,基于工艺推理与工艺优化等相关技术,研究了机器人焊接工艺推理机制与参数优化方法。本文首先面向机器人焊接工艺推理与优化需求,进行了焊接工艺推理与优化的总体方案设计。确定了机器人焊接工艺知识表示模型、工艺推理策略、工艺优化策略,并最终形成了机器人焊接工艺推理与优化的总体技术路线。随后对机器人焊接工艺知识进行可表示性研究。面向机器人焊接工艺推理中涉及到的各类工艺知识表示需求,为机器人焊接工艺推理提供结构合理、互操作性强的数据模型支持,满足随着工艺规划智能化不断深入对工艺知识的可重用性、可进化性与聚集共享性的需求。本文针对焊接工艺知识中的实例知识、规则知识,结合所采用推理技术的特点,构建了基于本体与基于置信结构规则表示方法的机器人焊接工艺知识表示模型。在工艺推理方面,本文提出基于案例推理(Case-based reasoning,CBR)与基于证据推理算法的置信规则库推理方法(Belief rule-base inference methodology using the evidential reasoning approach,RIMER)结合的焊接工艺推理机制。在焊接工艺推理过程中,首先利用K近邻算法对案例库中相似案例进行检索,将检索出来的目标案例进行案例修改,若修改后的案例可以满足实际需求则结束案例推理,否则进行基于RIMER的工艺推理。在基于RIMER的推理过程中,首先确定了不确定性下的知识表示方案,该方案中包括了诸如属性和规则权重等其他知识表示参数,在此基础上构建了基于分层置信结构的焊接工艺置信子规则库。然后利用证据推理算法实现规则库中的相应推理。最后构建软件验证平台对所提出的工艺推理方法进行了实例验证,验证结果表明该方法可以有效满足工艺推理需求。最后为优化焊接工艺推理结果与有效指导实际焊接,本文提出一种基于Stacking模型融合与粒子群算法的焊接工艺参数优化方法。通过对多个GPR、SVR等基预测模型与次级预测模型的融合构建了焊接工艺性能预测模型。在优化过程中,将该预测模型引入粒子群优化算法中实现对焊接工艺参数的优化,获得最优的焊接工艺参数。验证实验结果表明,基于Stacking算法对多个模型进行融合后所得的焊接工艺性能预测模型预测精度要优于单一预测器,该方法能够有效提高工艺性能预测模型的精度与泛化性能,而且优化后所得到的最优工艺参数可以获得性能良好的焊缝。因此,本文所提出的优化方法可以有效的对工艺推理结果进行优化并指导实际焊接加工。