随着制造业的快速发展,传统预测方法已无法满足需求,作为智能制造的重要组成部分,弧焊质量在线预测技术的研究迫在眉睫。电弧光谱和焊接电信号反映了焊接过程中电弧成分的各种变化,包含了大量与弧焊质量相关的信息。本文主要研究了光谱与工艺协同感知的弧焊质量在线预测技术,研究内容如下:(1)电弧成分定性预测技术:使用FPGA实时采集焊接过程电信号,并在电流峰值时刻触发光谱仪,采集电弧光谱。而后通过信息预处理、降维和分类完成电弧成分定性预测。针对信息预处理,提出了光谱流形结构提取算法和新型电信号预处理方法,实现信息降噪与特征提取。针对降维,提出了改进型局部保留投影算法,主要包括增加类内和正则约束以及改进权重矩阵构建方式,实现了高效降维。针对分类,提出了基于规则树的Ada Boost-ELM算法,将已知的工艺参数作为决策特征建立规则树,而后利用Ada Boost-ELM算法进行预测,实现准确的分类。最后,通过人工可控的掺杂成分、保护气成分及流量分档实验,验证了本文方法的有效性。(2)电弧成分定量预测技术:在定性预测技术的基础上,通过信息预处理和神经网络回归完成对电弧成分定量预测。为了适应定量预测需求,对定性预测技术的信息预处理进行改动。针对神经网络回归,首次将Res Net回归引入到光谱和工艺协同感知的弧焊质量在线预测领域中,并且对网络进行改动以更好地适应弧焊光谱和电信号回归的需要。最后,通过人工可控的保护气流量及焊丝成分含量实验,验证了本文方法的有效性。