作为典型的轻金属材料,铝合金具有抗腐蚀、比强度高和易加工等优良特性,因而被广泛应用于航天、机械制造等行业领域结构载荷件的焊接。但由于氢在液、固态铝合金的溶解度存在巨大差异性,导致焊缝存在严重的气孔问题,而气孔的检测一般都是在焊后采用破坏性试验或无损探伤,难以满足现代制造业对焊接制造高质量、高效率和低成本的要求。电弧光谱作为焊接过程中产生的诸多伴生信号之一,携带了大量能反映其动态过程的各类元素信息。而找到光谱信息与气孔内在联系的前提是理解气孔与焊接参数、焊接参数与光谱信息的关系。因此,本文在深入研究气孔形成机理的基础上,基于电弧发射光谱信息开发焊接动态过程和质量的实时监测技术,旨在探索与发现一种内部气孔缺陷在线预测的新方法,确保焊接产品质量的高可靠性。本文以铝合金脉冲GTAW过程中的气孔缺陷检测为研究背景,搭建了自动化焊接过程光谱信息采集的试验平台,为实现电弧光谱信号的实时采集和处理,研制了基于线阵CCD的光谱传感系统。在深入探讨气孔的形成机理时,从气泡形核和长大两部分进行研究,分别建立了气泡自发形核和在难熔物表面的异质形核模型,计算结果表明气泡在平面上的异质形核所需能量少于均质形核,但两者的临界半径大小相等,且与电流的平方成反比。并以自发形核得到的结果为基础,分析了气孔长大的变化趋势,计算得到单个气孔多呈倒圆锥形。在分析光谱信号时,为准确提取原子发射光谱谱线,提出以改进的K-medoids算法为解决方案,通过获取中心点来得到相应的线状谱线强度,从而为计算电子温度T_e曲线、强度比值曲线提供了准确的数据来源。并根据光谱数据变化特性,提出了新的相似度量函数——光谱距离,来取代传统的欧式距离,并用于后续流形学习中距离矩阵的计算。通过boltzmann测温法对聚类得到的氩谱线进行电子温度T_e的计算,和红外摄像的图像对比可知,T_e的计算结果符合电弧的温度分布规律;由于氢谱线的连续电子温度T_e曲线受电源的影响表现出脉冲周期波动的特点,利用小波包分解可有效去除脉冲信号对氢谱线T_e变化曲线的影响,并得到了可表征外观明显缺陷处的特征。但对于内部气孔缺陷,还需要分析氢/氩谱线强度比值信号。而该比值信号具有非平稳和非线性的特性,需借助经验模态分解将高频脉冲和噪声信号从原信号中分离出来,重构后的信号可作为预测氢气孔的关键特征,且其细节信息比小波包分析的结果更丰富、用时更短。在分析了局部的原子谱线后,通过流形学习对整体的光谱数据进行研究,发现非线性的降维方式比线性降维方法更能体现电弧光谱的数据结构,结果表明了降维后的分量与气孔缺陷之间的内在联系,进而针对局部线性嵌入算法存在的无监督、样本点外无法处理的问题,基于最大边缘准则提出了改进算法,使得三维可视化下的分类效果明显改善。为了得到最高的气孔分类识别率,结合从氢谱线中提取的均值、极差、峰度等六个统计特征,并利用遗传算法求取最佳的惩罚因子c及核参数g,将气孔的分辨率提高到94%。基于提取的光谱特征,进一步研究了不同焊接条件下气孔的形成规律。从坡口角度、对接间隙和钝边高度三个方面,分别进行了焊接试验,实时采集光谱数据从而预测是否存在气孔缺陷,并通过X射线无损检测来验证预测的准确性。继而对上述三个因素进行正交试验,得到了使气孔率最低的最优参数组合。最后,基于模糊PID自适应控制,利用电流控制光强比值保持在理想值,从而得到抑制氢气孔的补偿控制策略,并进行了实验验证。