弧焊机器人CO₂焊接过程存在多种干扰因素，比如工件尺寸的加工和装配误差、工件热变形及弧长变化等等。这些干扰因素对焊接质量有重要影响。在焊接过程当中，如果能够实时地检测到焊接过程的干扰信息，及时调整焊接过程的工艺参数，实现对焊接质量在线监控，则可以避免焊件的报废，保证焊接接头的质量，具有巨大的经济效益和工程实用价值。 电弧焊接过程是一个多因素交互作用的复杂过程，焊接过程的状态与许多参数有关。然而在焊接过程当中，当焊接条件发生改变时，有些参数变化明显，而有些则不甚明显。因而，如何从这些参数中提取出能够明显表征不同工艺条件的特征信息，便成为焊接过程实时监控的重要一环。不同工艺条件下的焊接质量的好坏，肯定会反映在与焊接过程本身固有的焊接工艺参数上，如焊接电流、焊接电压、电弧声压、熔滴过渡频率等等。众所周知，运用电弧传感对焊接过程电参数（焊接电压、焊接电流）进行检测，具有经济性、实用性、可靠性等优点。 本文以对接接头和T型接头为研究对象，开展机器人CO₂焊接工艺试验，采用电弧传感的方法实时测量和处理焊接电参数信号。分别在两种焊接接头中人为地加工出缺口，以模拟实际焊接生产过程中的装配间隙等干扰因素。研发出基于NI-6221数据采集卡和LabVIEW软件的机器人CO₂焊接电参数实时采集和处理系统，实时地提取机器人CO₂焊接过程有干扰时的特征信息。结果表明，两种焊接工艺条件下，所提取出的焊接过程特征信息并不一样，但是均能很好地反映所对应的焊接过程，证实了焊接过程的特征信息与干扰因素的相关性。 针对对接接头，本文设计了基于SPC（统计过程控制）方法的均值控制图，以对接接头焊接过程的特征值U_M作为控制变量。利用正常焊接过程时的U_M处于受控状态，而有扰动焊接时的U_M则处于非受控状态的原理，对焊接过程进行实时监控。当焊接过程处于非受控状态时，监控系统就自动发出警报。结果表明，利用此方法进行实时监控能够达到监控的要求。 针对T型接头，本文开发了模糊Kohonen神经网络系统，以T型接头焊接过