“中国制造2025”以加快新一代信息技术与制造业深度融合为主线,以推进智能制造为主攻方向,力争用三个十年的努力,实现制造强国的战略目标。钨极惰性气体保护焊（Gas Tungsten Arc Welding,GTAW）作为应用最广泛的焊接方法之一,实现其自动化、智能化的关键及主要难点是对焊接过程进行实时传感,从而为自动控制提供足够的信息支撑。本文针对定点GTAW焊接过程中的熔池形貌传感,基于点阵结构光三维视觉法,引入深度学习技术中的长短期记忆网络（Long Short-Term Memory,LSTM）,设计了一种由二维反射图逆推计算三维熔池表面的新方法,为机器模拟焊工实现自动控制打下基础。首先,建立了结构光熔池形貌三维视觉传感系统,为后续传感系统仿真提供硬件参数,并为最终GTAW试验验证提供平台。其次,针对反射图图像处理问题,设计了一种递归选区处理算法。该算法可以有效识别反射图中的各个成像点,不易丢失成像点或误将噪声识别为成像点。接着,建立了点阵结构光传感系统仿真模型,为训练反射点映射计算模型提供样本。基于LSTM神经网络建立了反射点映射计算模型,实现了由二维成像屏上成像点到三维熔池表面反射点的映射计算。训练过程中巧妙设计的仿真样本点预排序步骤使整个熔池重构计算方法可以完全跳过点识别阶段,极大地简化了重构计算过程。针对插值表面的边界误差问题,提出了两种边界外延方法,结果显示经边界优化后,预测熔池表面的(3方向熔宽误差为2.43%,(4方向熔宽误差为8.68%。分析了建立的反射点映射计算模型的输出特点及鲁棒性,研究了其应对“零散丢点”、“集中丢点”和“随机多点”现象的能力。结果显示:建立的反射点映射计算模型除对初始输出的部分反射点表现出预测准确性较低,对初始输入（反射图左上侧）的部分成像点表现出鲁棒性较差外,整体的预测精度和鲁棒性较好。针对该不足,提出了一种正逆序联合重构优化方法,有效规避了LSTM神经网络的初始输出不准问题,大大提高了模型的鲁棒性,使预测熔池表面的(3方向熔宽误差降低至1.62%,(4方向熔宽误差降低至3.94%。最后,将本文的研究成果全部集成,基于python编写了GTAW熔池形貌实时传感系统软件,单次传感平均用时85ms,1s内可进行约12次完整传感计算。