电弧声信号来源于熔池振荡及电弧能量的变化,其中蕴藏着丰富的焊接状态信息,是焊接过程质量监控重要的潜在源信号。在工程实际中,有经验的焊工可以根据听到的电弧声音所反馈的信息对焊接状态或焊缝熔透作出正确的判断。生活经验和大量的实验测试也表明,人耳听觉系统在听音辨物方面展现出卓越的性能。为此,本文以MIG焊电弧声为研究对象,针对不同熔滴过渡状态及不同焊接线能量所产生的电弧声,研究了其响度特征与MFCC特征并建立分类模型,实现了熔滴过渡状态和不同焊接线能量的识别,为MIG焊焊接状态和焊缝质量的实时检测提供一种新思路、新方法。为了采集有效MIG焊电弧声信号,利用相关实验装置及软硬件系统,搭建了一套MIG焊自动焊接平台和电弧声信号采集系统,可实现焊接过程的自动控制、焊接参数的调节及电弧声信号的自动采集功能。模仿听觉外周系统对声信号的处理过程,分析了电弧声听觉响度特征和MFCC特征。电弧声响度特征直观表达了电弧声信号能量随时间变化的规律,也间接反映了焊接过程的稳定性;MFCC特征反映了电弧声声道信息。研究了不同熔滴过渡状态下的电弧声时频域特征和响度特征。结果表明,在时频域,短路过渡电弧声与其余两种过渡状态相比有明显不同,而粗滴和射流过渡电弧声信号波形、频谱包络都极为相似,很难将其区分开来。通过响度计算,发现三种过渡状态电弧声响度特征区别明显。构建电弧声响度特征量并建立支持向量机分类器,实现了对短路过渡、粗滴过渡和射流过渡三种状态的识别,其总体识别率达97.69%。研究了基于电弧声MFCC特征的焊接线能量识别。通过实验发现,焊接线能量与焊缝的宽度、高度及熔深明显相关,线能量的变化也影响了电弧声道的调制特性并体现在电弧声特征中。利用电弧声MFCC特征建立支持向量机分类模型,结果表明该算法对不同线能量的总体识别率达到99.25%,且运算速度较快,满足对焊接状态和质量的实时检测要求。