激光焊接作为一种重要的激光加工方法,高效、环保等优点使其受到了国内外学者和工程师们的关注和青睐。而大功率盘形激光焊接以其光束质量好、激光利用率高等特点,在加工效率和焊接质量上比传统的激光焊接有更明显的优势,广泛应用于航天、船舶、汽车制造等材料加工领域。大功率盘形激光焊接过程中,激光器发出的高能量激光束聚集在焊件表面极小的区域。当激光束能量大于106W/cm2时,焊件在短时间内被高能激光束加热形成熔池和匙孔,激光束在匙孔中经过费涅耳反射吸收和反韧致吸收等多重作用,从而实现理想的激光深熔焊。伴随着激光深熔焊过程的匙孔效应,焊接过程中产生飞溅和金属蒸汽等重要的物理现象,其形态和喷发量等特征反映出大量的焊接过程信息。对这些物理现象进行单一地监控与研究,难以获得全面的焊接质量信息。综合研究熔池、飞溅和金属蒸汽,将其特征进行融合,是焊接状态监控和在线控制的最佳方式。试验选用10kW大功率盘形激光焊接设备,在焊接304不锈钢板试验中配备两台高速NAC摄像机,加装特定光谱的组合滤光片,分别从近红外、紫外和可视波段获取熔池、飞溅和金属蒸汽动态热像。利用图像处理技术,从对应动态图像中提取飞溅、金属蒸汽、熔池和匙孔信息。定义并提取熔池宽度、匙孔面积、匙孔周长、匙孔质心x和y坐标、飞溅面积、飞溅个数、金属蒸汽面积、金属蒸汽路径、金属蒸汽质心x和y坐标共11个特征量,研究焊接过程中特征量的变化规律与焊接质量间的关系。以焊缝实际宽度变化作为表征焊接状态的指标,分别运用支持向量机和BP神经网络信息融合方法对所提取特征量进行融合,并应用网格寻优和粒子群算法进行支持向量机参数优化,应用遗传算法进行BP神经网络连接权值和迭代阈值优化。最终,建立熔池、飞溅和金属蒸汽与焊接质量间的多传感信息融合模型。试验表明,熔池、飞溅和金属蒸汽特征能有效地反映盘形激光焊接状态,分别应用支持向量机和BP神经网络对特征进行融合,可获得更好的识别效果,为实现焊接质量监控提供理论和试验依据。