熔深是关系焊接质量控制的重要因素，陆上电弧焊接熔深在线检测与控制已经有了一些研究成果。但水下电弧焊接过程要比陆上复杂和困难很多，目前尚未见该领域有关研究报道。药芯焊丝电弧焊接（fluxed-cored arc welding，FCAW）是适合完成水下自动焊接的一种常用焊接方法，本论文针对水下FCAW过程研究熔深在线检测与控制关键技术，研究成果具有一定实用价值。　　 FCAW是复杂热交换过程，热量分布模型分析说明溶深成型主要影响因素有焊接电流、电弧电压、焊接速度以及喷嘴至工件距离。而水下FCAW实验也定量说明了这些参数变化对熔深和熔宽的影响，为熔深在线检测与控制提供了指导。最后，本论文在LabVIEW及MATLAB混合编程基础上建立了实验研究系统。　　 熔宽信息实时提取是多信息融合熔深在线检测需解决的关键问题之一。但水下FCAW过程中，焊接区域不可避免要受弧光、飞溅以及烟尘的强烈干扰，再加上水对光的吸收和散射等作用，获得良好的焊接区域图像十分不易。为此，本论文提出了通过成型焊缝单条纹结构光焊接图像来完成水下FCAW熔宽在线检测的方法。将防水的激光器和CCD（charge coupled device）摄像机安装在焊枪之后置于水下，针对水下原始焊接图像特点，经图像加窗处理、拉普拉斯锐化、二值化以及数学形态学滤波和细化处理，就能够获得熔宽。实验结果表明，该方法处理速度快、检测精度高。当单条纹结构光检测点和焊枪中心点间的距离为35mm时，水下FCAW熔宽在线检测相对误差可以控制在3．00％以内。　　 焊接电流和电弧电压信号蕴藏着丰富的电弧稳定性实时信息，但水下FCAW过程的强耦合、非线性以及各种随机性干扰增大等特点，使得变化的焊接电流和电弧电压信号所反应的特征信息提取较为困难。本论文采用小波模极大值法完成水下FCAW电弧电压信号的特征信息提取，并使用一种综合小波硬阈值法和软阈值法的小波阈值量化新方法来实现针对焊接电流信号的消噪，仿真及实验结果都说明了其有效性。在此基础上针对焊接电流和电弧电压信息进行了短时均方根值处理，以便与熔宽检测信息同步，为实现熔深在线检测奠定了基础。　　 水下FCAW过程工作环境恶劣，大量训练样本的获取较为困难。本论文将适用于非线性小样本预测的最小二乘支持向量机（least squares support vector machines，LS-SVM）引入熔深预测建模，克服了反向传播神经网络（backpropagation neural network，BPNN）训练时间长、过学习以及易陷入局部极小等缺点。以径向基函数（radial basis function，RBF）为核函数，本论文提出了一种简单的基于交叉验证的LS-SVM参数优化方法来确定可调超参数和核宽度参数。仿真实验结果说明，与BPNN相比该预测模型不但预测误差精度可以满足要求，建模效率高，泛化能力也强。而水下焊接实验结果分析表明，在小样本条件下该预测模型比BPNN有更好的预测性能，更适合水下FCAW过程熔深预测。　　 焊接电流是水下FCAW熔深最主要的影响因素，本论文在30V电弧电压工作点，通过焊接电流变化来控制熔深。针对水下FCAW熔深控制特点，结合模糊逻辑提出了一种PID（Proportional Integral Derivativ）自适应控制策略。将Fuzzy-PID控制器和常规PID控制器并联，通过偏差激励响应函数自适应调节两控制器输出。仿真结果表明，控制系统给定值跟踪性能和干扰抑制性能都得到了保证。将其应用于水下FCAW熔深控制实验，结果表明不但阶跃响应品质好，而且焊接过程中对于焊接速度变化、焊接工件厚度变化、喷嘴至工件距离变化、焊接工件宽度变化以及焊接工件焊缝间隙变化都具有一定的抑制能力，控制精度也能够满足要求。