精确控制激光束使其始终对准并跟踪焊缝是保证激光焊接质量的前提,以匙孔效应为机理的激光深熔焊由于激光束光斑直径小,对焊缝间隙大小敏感,导致精确控制激光束对准并跟踪焊缝路径十分困难。为此,实现跟踪任务必须首先实时检测焊缝路径相对于激光束的位置偏差；而基于视觉传感的焊缝识别是目前最先进最具有代表的一种传感技术。论文不同于传统方法通过CCD(Charge Coupled Device)视觉传感器直接拍摄熔池前端焊缝图像,利用图像处理技术检测焊缝边缘信息得到焊缝坡口中心位置；而是采用高速红外视觉传感法,设计一种新型焊缝偏差测量方法。通过高速视觉传感器获取熔池红外图像序列,依据激光束偏离焊缝时熔池红外辐射定理,研究熔池在焊接过程中的动态变化规律,结合图像处理方法,提取熔池与匙孔形态特征参数作为焊缝偏差的测量信息,试验证明这一方法能体现激光束偏离焊缝的实际情况。其次,针对目前焊缝跟踪技术缺乏无坡口焊缝识别能力与焊缝偏差预测功能,本文重点研究一种基于Kalman滤波的系统状态最优估计方法,建立焊缝路径与激光束偏差实时测量与跟踪的预测模型,研究Kalman滤波实现焊缝预测跟踪新方法。工艺试验以大功率光纤激光焊接304不锈钢为试验对象,研究在色噪声环境下应用Kalman滤波最优状态估计预测激光束与焊缝路径偏差。从红外熔池热像中提取焊缝位置参数并构成状态向量,建立基于焊缝位置参数的系统状态方程和焊缝位置测量方程。文中分别研究了系统动态噪声和传感器测量噪声为色噪声时,通过扩展状态变量和增广测量方法建立了色噪声环境下的Kalman滤波算法,算法对系统状态进行最优估计,得到最小均方差条件下的焊缝偏差最优预测值,现实消除系统噪声和测量噪声对焊缝偏差测量的影响。试验结果证明带预测功能的新方法可有效抑制色噪声干扰并能够提高焊缝跟踪精度。最后,研究了过程噪声与测量噪声统计特性的不确定性对焊缝跟踪带来的影响,提出了一种补偿噪声统计不确定性带来的滤波误差的人工神经网络方法。在不同工艺试验条件下验证了神经网络有利于提高滤波精度与稳定性,可抑制滤波发散。