近年来，随着汽车、列车等运输工具向轻量化发展，对铝合金的需求越来越大，也对铝合金焊接结构生产的自动化、智能化要求日益增高。而铝合金焊接的特殊性以及目前的示教再现型焊接机器人较低的适应能力，严重制约了焊接机器人在铝合金焊接中的应用。为了克服机器人焊接过程中各种不确定性因素对焊接质量的影响，提高焊接机器人作业的智能化水平和工作的可靠性，要求焊接机器人系统能够实现焊接参数的在线调整和焊缝质量的实时控制。基于视觉传感的焊接过程传感与多变量控制是未来最有发展前途的焊接过程控制方法之一。本文采用了铝合金焊接区图像视觉检测系统，通过窄带滤光结构，有效地克服了弧光干扰，并获得了比较清晰的铝合金MIG焊焊接区图像。通过分析铝合金MIG焊焊接区图像特征，在形态学方法提取熔池宽度算法的基础上，提出了焊接干伸长特征的图像提取算法。通过熔宽提取算法和焊接干伸长提取算法，能获得稳定可靠的熔宽和干伸长值。介绍了铝合金MIG焊焊接电流占空比、基值电流、峰值电流、焊接速度、送丝速度对熔宽的影响规律，并在其基础上，通过平板堆焊试验研究了这些参数对焊接干伸长的影响规律；在铝合金机器人脉冲MIG焊平板堆焊过程各焊接参数与正面熔宽之间的传递函数的基础上，采用铝合金平板堆焊阶跃试验，利用曲线拟合法辨识了铝合金机器人脉冲MIG焊动态过程传递函数，建立了焊接电流占空比、基值电流、焊接速度、送丝速度与焊接干伸长之间的对象数学模型。通过对象数学模型参数的修正，得到了铝合金机器人脉冲MIG焊MIMO对象模型。利用该模型，实现了铝合金MIG焊熔宽单变量控制系统和对铝合金MIG焊焊接干伸长单变量控制系统进行了仿真。铝合金MIG焊熔宽单变量控制系统的焊接试验表明，仅采用熔池宽度实时控制的焊缝仍然不能满足铝合金焊接的高质量要求，必须采用多个参数来控制焊缝的质量。铝合金MIG焊焊接干伸长单变量控制系统仿真结果表明，采用PID控制器控制的铝合金MIG焊焊接干伸长控制系统，能满足实际焊接过程中对焊接干伸长的控制要求。利用辨识的铝合金MIG焊MIMO对象模型，运用多变量控制理论，尝试采用了不同的铝合金MIG焊焊接过程双变量控制系统进行焊接过程控制。通过仿真分析发现，不采用解耦措施的双变量控制系统，不能获得适合实际焊接要求的系统性能，同时也发现采用神经网络PID控制的神经网络对象逆模型解耦控制系统结构和解耦算法来控制铝合金MIG焊焊接过程，能取得满意的动态和稳态性能。