随着焊接技术在船体建造中的占比越来越大,焊接自动化的程度也越来越高。对焊接质量的要求也越来越严格。研究焊接过程中动态过程中的熔池的熔透状态可以对焊接智能化的控制以及焊接成果质量的把控提供依据。在焊接过程中存在多种信息可以提供动态信号进行研究,同时也存在不可避免的干扰信息对焊接动态检测过程造成干扰。因此针对上述问题,本文根据TIG焊（非熔化惰性气体保护焊）的优势与特征,利用焊接机器人上加装声音和传感装置,保持实验环境相对安静,以便采集到尽可能少含有噪声的焊接时声音信号从而进行研究。通过改变焊接机器人的电弧功率参数,在铝合金焊板上同时做出未熔透、熔透和过熔透三种状态,根据上述三种状态的焊接动态参数来探究相对应的工艺参数,对焊接质量的工艺参数提供保证。基于声音信号处理技术对采集到的焊接熔池的声音进行预先处理,结合时域上的优点,分别运用平均幅值、平均能量、对数能量、标准差、峰度系数五种特征系数对采集到的熔池电弧声音信号进行时域上的运算测量和特征分析,利用傅里叶变换对电弧声音信号在频域上进行特征参数提取,再对电弧的电压和电流信号进行时域特征参数提取。通过设计TIG焊接机器人焊接实验,在最佳工艺下获取良好特征的焊接熔池声音与电弧信号,对所采集到的电弧声音信号和电弧信号进行特征参数提取,据此对熔池的熔透状态进行简要分析。且经过比较,发现电弧电压信号的特征相对于电流信号更为直观准确。通过建立BP神经网络来对探究熔池的熔透状态与焊接时声音信号与电压值之间的对应关系。以声音信号和电压信号的特征参数作为输入,熔透状态作为输出,建立前向反馈的人工神经网络识别模型,即利用改进的BP神经网络预测模型对所采集到的数据序列进行训练对比,得到相应的熔透状态的比例分布。同时验证了所建立的神经网络识别模型和利用声音信号处理方法的可行性,也为依据多信号传感分析的焊接质量检测方法提供参考。