MIG电弧焊接过程伴随着声、光、电等多种能量形式的释放，它们与电弧行为、熔滴过渡、传热过程存在密切关系。本文以熔滴过渡的实时检测与模式识别为目的，面向铝合金材料的MIG焊接建立了在线检测实验系统，同步监测铝合金熔滴过渡过程中的电流、电压等电信号和结构负载声发射信号，通过分析电信号与声发射信号之间的关系完善了以电信号和声发射信号共同界定熔滴过渡模式转变，分析了不同熔滴过渡模式下信号的特征信息，并提取电信号中的特征参数建立了BP人工神经网络模型，实现了对铝合金熔滴过渡模式的智能识别。　　研究结果表明，铝合金熔滴过渡电信号和结构负载声发射信号与熔滴过渡模式转变存在密切的相关关系，且声发射信号时域波形特征能够很好的弥补电信号难以准确界定熔滴喷射过渡模式的不足。针对熔滴短路过渡和熔滴过渡模式转变的回归分析和显著性检验表明，影响熔滴短路过渡频率变化及熔滴过渡模式转变的主要因素为焊接电流和电弧电压，且焊接电流为主要影响因素。　　统计焊接电流、电弧电压和通道电阻的特征参数，利用聚类分析发现焊接电流、电弧电压和通道电阻的平均值-标准差聚类特征图用于界定熔滴过渡模式转变的散点分布特征更为理想，即同一熔滴过渡模式下的散点分布较为聚集，不同熔滴过渡模式的散点所形成的区间呈现一定的线性关系，特征参数的确定为熔滴过渡模式的智能识别奠定基础。　　以焊接电流、电弧电压和通道电阻的平均值和标准差作为人工神经网络的输入层，短路过渡、球状过渡和喷射过渡三种过渡模式作为输出层建立BP神经网络模型。经过训练后的人工神经网络对熔滴过渡模式的识别率可高达94.86％，表明此模型能够很好的对铝合金熔滴过渡模式实现智能识别。