电阻点焊质量的不稳定和难以控制，严重影响了点焊技术的广泛应用，因此发展一种在线的、非破坏性的、低成本、诊断可靠性高的焊点质量评判系统对于现实生产是非常有意义的。在点焊过程中，导致焊点质量不合格的因素除工艺参数外，焊接过程中出现的诸多故障因素，如电源电压不稳定、被焊工件翘曲、电极装配不对中等，使焊接过程不正常，严重时甚至引起喷溅等缺陷的产生，造成焊点质量不合格。因此保证焊接过程稳定至关重要。对故障的诊断是进行焊接过程控制与质量监测的基础。本课题以电阻点焊过程诊断与质量监测为目的，针对点焊过程电极间电压、焊接电流、动态电阻和电极位移信号，提取时域描述特征，构造多信息融合的特征向量集合表征点焊过程。利用模式识别、故障诊断、人工神经网络等领域的分析方法，实现对焊接过程的诊断及焊点质量的预测。论文工作内容包括：1)通过搭建的数据采集系统，同步无相差采集点焊过程次级电流、电压及电极位移信号波形，作为监测点焊过程的信息源。对采集的焊接电流、电极间电压及电极位移信号进行预处理，消除信号中的噪音，重新绘制半周波的信号波形；从时域角度分析信号特征，将经过时域变换获得的半周波电流有效值、电压有效值、动态电阻和电极位移信号波形作为分析焊接过程与焊点质量的依据。2)搭建了能模拟实际生产中电源电压波动的电路，研究了网压波动对点焊过程信号及质量的影响。网压波动引起了信号的奇异性变化，造成焊点质量变化。信号的这种奇异性变化可作为监测网压波动发生的依据。3)设计了正常焊接试验以及焊接过程中发生故障的试验。通过与正常焊接时的监测信号比较，分析了故障发生时对信号特征参数的影响。建立了基于故障树理论的点焊过程诊断模型，对引起喷溅的故障因素作出了推断。4)基于动态电阻和电极位移信号提取特征参数，利用相关性分析方法对数据进行约简、信息降维，确定了能够用于质量评价的因子，建立模糊神经网络质量预测模型。通过预测样本的抗剪强度值与实测值之间的仿真分析结果表明，建立的模型可以实现对焊点质量的预测。