在航空航天领域,钛合金激光焊接应用越来越受到重视,有效控制其焊接质量成为第一要务。由于焊缝形状直接影响焊缝质量,准确地预测焊缝形状即建立焊接工艺参数与焊缝形状之间的映射关系具有重要意义。然而,激光焊接是一个涉及很多因素的复杂过程,建立在许多简化基础上的数学模型和用回归方法推导的经验公式,难以准确表征上述的关系,而人工神经网络却因自身固有的特点,非常适合处理激光焊这种非线性系统。本论文针对BT20 钛合金,采用人工神经网络方法,借助MATLAB 软件,在大量工艺试验研究的基础上,分别建立了该合金CO2激光焊和YAG 激光焊焊缝形状预测网络模型。模型以激光功率、焊接速度和离焦量为输入,以表征焊缝形状8个几何特征参数为输出。输出结果较为全面、简洁地反映了焊缝横截面轮廓。经过精心设计和反复训练,得出一组最佳的网络结构与参数; 通过验证试验表明,除焊缝正面余高外,所建预测模型能较准确地预测深熔焊和穿透焊的焊缝形状。作图反演焊缝形状让预测结果直观生动。此外,论文还研究了BT20 钛合金的激光填丝焊和激光-高频感应复合焊工艺。前者试验获得了一定激光功率和离焦量条件下两组焊接速度和送丝速度的匹配关系,并发现填充焊丝的加入对焊缝咬边现象确有改善; 后者试验表明,在一定激光功率和离焦量条件下,高频感应热源使焊缝熔透性有所增强。最后,论文对这两种工艺条件下的焊缝形状预测提出了一种估计方法。