激光焊接是工业制造中应用广泛的一种高效的焊接方法。在激光焊接过程当中,金属蒸气等离子体、熔池以及匙孔是描述焊接过程的重要特征,能够起到反映每个时刻焊接的稳定程度以及焊接质量状态,可以用于焊接质量监测以及控制。超声振动的引入,能够起到改善气孔、细化晶粒以及增大熔宽等效果,但是由于焊接过程的不稳定性,各参数之间的耦合效果存在差异,并且焊接过程在焊缝成形与各个特征量有着密切的关联,通过分析超声振动下的激光焊接焊缝成形规律、动态特征以及对焊缝成形进行预测,能为指导超声辅助激光焊接的工艺打下基础,并且为实现通过焊接过程特征量变化而监测焊接质量提供理论依据。因此,本文针对6mm厚的AH36船用钢,通过图像处理以及光谱诊断提取出熔池、匙孔以及金属蒸气等离子体特征量,利用BP神经网络,建立以特征量为输入,焊缝截面尺寸为输出的预测模型,以求达到预测焊缝截面尺寸的目标。首先,通过搭建高速摄像监测系统,针对不同的拍摄对象,选用合适波段的滤光片以及相应配套的辅助光源,并调整高速摄像不同的拍摄角度以求获取最清晰的图像。同时搭建了光谱采集系统,采集金属蒸气等离子体的光谱特征,系统开展了超声辅助激光焊接的试验研究。其次,研究了超声条件下不同工艺参数对熔池、匙孔以及等离子体特征量以及焊缝熔深与熔宽的的影响关系。然后通过各主要工艺参数与焊缝尺寸之间的联系,选取合适的经验公式,建立了焊接工艺参数与描述焊缝截面尺寸的参数的多元回归方程,得到超声辅助AH36船用钢激光焊接熔深与焊接工艺参数的经验公式:H=0.14306+0.002097（F+0.5791）~2+0.77592P-0.37251v,相关系数达到了0.86785。熔宽与各参数的经验公式为W=0.476+0.058F+0.548P-0.197v,相关系数为0.908,结果表明回归方程显著,可以用来进行焊缝截面尺寸的预测。最后,考虑到焊接过程中的特征量与焊缝截面尺寸的高度耦合性以及非线性映射律,以熔池长度L、熔池宽度W、匙孔面积S1、等离子体面积S2、等离子体高度H以及等离子体的平均灰度G六个图像特征参数,金属蒸气等离子体光谱采集到的谱线强度Imn、电子温度T,电子密度Ne三个光谱特征参数作为神经网络的输入神经元,焊缝截面尺寸的熔深与熔宽作为神经网络的输出量,建立了拓扑结构为9-19-2的BP神经网络。并利用遗传算法的全局搜索能力对神经网络进行优化,提高其预测精度与泛化能力。