GMAW熔敷快速成形是基于离散堆积原理的一种新型加工方法。本文以快速成形过程智能化为背景，以熔敷工艺参数预测为目标，采用神经网络建模方法研究快速成形过程中熔敷工艺参数与熔敷焊道成形尺寸间的关系，进而实现根据给定的熔敷工艺参数计算堆敷成形尺寸、根据需要的堆敷成形尺寸规划合理熔敷工艺参数的功能。首先，以送丝速度、焊接速度、焊接电压和喷嘴高度为输入变量，以熔敷焊道宽度和高度为输出变量，采用二次回归通用旋转组合设计的方法设计了试验样本，在基板上进行了单道堆敷试验。采用结构光视觉传感器测量了每一条堆敷焊道的宽度和高度，获得了完整的样本数据。采用传统的二次回归方法分别建立了熔敷焊道宽度和高度与输入变量之间的二次回归方程，对获得的回归方程进行了统计检验，将回归方程的不显著项剔除，从而得到了熔敷焊道宽度和高度与输入变量之间的优化模型。考虑到熔敷过程输入变量与输出变量之间的高度非线性，采用人工神经网络建立了多输入与多输出变量的非线性正向模型。利用设计的验证样本，对传统二次回归模型和神经网络模型的预测能力进行了比较，结果表明神经网络模型精度更高。然后，利用建立的神经网络模型对熔敷过程行为进行了仿真研究，揭示了熔敷工艺规范对熔敷焊道尺寸的影响规律。在实际堆敷成形过程中，一般需要根据理想的熔敷焊道尺寸预测合适的熔敷工艺参数。因此，建立了熔敷焊道尺寸为输入变量熔敷工艺参数为输出变量的神经网络逆向模型。由于逆向模型预测熔敷工艺参数精度有限，建立了神经网络正向模型和逆向模型联合预测熔敷工艺参数的闭环反馈迭代系统，经检验反馈系统可靠，可用于熔敷工艺参数的预测。为进一步验证联合预测熔敷工艺参数系统的可靠性以及第一条熔敷焊道成形尺寸对整个成形件尺寸的决定性作用，在平板上进行了单道多层薄壁件堆敷成形试验，对比第一层熔敷焊道及单道多层薄壁件最终成形尺寸与目标尺寸之间的误差，验证了预测熔敷工艺参数的正确性及必要性。