随着现代制造业的快速发展,焊接机器人在工业生产中扮演着越来越重要的角色。利用机器人进行焊接生产时,焊缝接头质量的好坏决定着产品质量合格与否,为此,焊接工艺参数的选择至关重要。针对焊接过程的高度非线性以及难以用数学模型来描述,本文利用人工神经网络在解决非线性问题的巨大优势来构建工艺参数和焊缝几何尺寸之间的映射关系模型,再结合遗传算法建立了基于遗传神经网的焊接工艺参数优化系统,为实现机器人工艺参数优化和焊缝质量预测提供了一种新方法、新思路。以现有的OTC焊接机器人系统作为试验平台,采用正交试验法安排试验获取样本数据。这样不仅能够缩短试验周期,减少试验成本,降低试验难度,同时又保证样本数据不失代表性并满足网络训练要求。首先利用遗传算法的全局搜索功能对BP神经网络的初始权值和阈值进行优化,然后对样本数据进行学习训练,建立焊接工艺参数与焊缝几何尺寸之间的关系模型。通过模型可实现输入工艺参数预测输出焊缝几何成形,并且可由模型转化为遗传算法的适应度函数,快速的找到满足给定焊缝尺寸要求的焊接工艺参数组合,实现对工艺参数的优化。为方便焊接工艺参数优化过程的实现,利用MATLAB软件的图形用户接口开发环境设计焊接工艺参数优化界面系统。通过系统,可以快速的实现预测模型的建立、焊缝几何尺寸的预测和焊接参数的优化。