快频脉冲TIG焊凭借独特的电弧收缩和低热输入特性,有效解决了热输入不集中、接头晶粒粗化以及力学性能不足等难题,有望成为高端制造修复领域的重要支撑技术。稳定适度的熔透状态是快频脉冲TIG焊接质量的基本要求。针对所需熔透状态预设工艺参数的方法既费时费力,又无法适应工况变化。经由熔池推断熔透状态已被证明可行,但传统熔透识别极其依赖于繁琐、主观的特征工程,此外对于热特性截然不同的快频脉冲TIG焊而言,这些人工特征的适用性有待研究商榷。近年来,深度学习异军突起,展现出强大的特征学习和提取能力,相关的模式识别方法如雨后春笋般涌现于各个领域,同时也为焊接过程的视觉监测提供了极具潜力的途径。基于此,本文采用深度学习方法进行快频脉冲TIG焊熔透识别及控制方法的研究,主要研究工作和结果如下:（1）搭建快频脉冲TIG焊接及熔池图像采集平台,包括快频脉冲TIG焊接系统、熔池视觉传感系统和信息采集处理系统;（2）开展大量快频脉冲TIG焊工艺试验,获取不同熔透状态下的焊缝和熔池图像,利用局部二值特征算法（LBF）提取熔池边缘轮廓,分析各焊接参数对快频脉冲TIG焊熔池特征的影响,探究其熔池图像用于熔透识别的可行性并构建相应数据集;（3）围绕卷积神经网络（CNN）和Vision Transformer（Vi T）,采用迁移学习方法进行熔透识别模型的高效开发,利用相关可视化方法评估其熔透分类决策的可靠性,并通过知识蒸馏实现识别模型的轻量化。测试结果表明,所得Res Net-KD的识别准确率达97.65%,所耗时间降低至26ms;（4）利用ML.NET框架将Res Net-KD部署到所开发的软件中,并验证熔透识别模块在平稳状态下和焊接速度变动下的在线识别性能;构建基于模糊推理的熔透控制模块,并开展熔透控制试验。试验结果表明,在预设初始参数、焊接速度扰动、变散热及热量积累条件下,所开发的熔透识别及控制系统可以根据熔池图像自动进行合理的电参数调节,进而在快频脉冲TIG焊接过程维持稳定适度的熔透状态。