日本的Y.Suga等人将神经网络运用到焊缝跟踪中，在该系统中采用了视觉传感器并用神经网络进行图像处理以获得焊缝的形状数据，实验结果表明此系统具有较强的鲁棒性，能有效地进行焊缝跟踪。焊缝跟踪作为一门综合性应用技术，具有多学科交叉融合的特点，包括电子技术、计算机、焊接、结构、材料、流体、光学、电磁等学科，国内外众多研究工作者投入到这一领域进行研究，从示教型焊接机器人到程序控制焊接系统，再到移动式自动焊缝跟踪技术，的每一次进步都显著提高了生产效率。焊接技术的自动化、柔性化与智能化是未来焊接技术发展的必然趋势。
1 焊缝跟踪传感器的发展状况
传感器是焊缝自动跟踪系统的关键部分。其作用是精确检测出焊缝的位置和形状信息并转化为电信号。控制系统才能对信号进行处理，并根据检测结果控制自动调节机构调整焊枪位置，从而实现焊缝自动跟踪。
弧焊用传感器一般可分为直接电弧式、接触式和非接触式三大类。按工作原理可分为机械、机电、电磁、电容、射流、超声、红外、光电、激光、视觉、电弧、光谱及光纤式等。以下是几种常见的焊缝跟踪传感器：
接触式传感器是最早使用的传感器，其特点为不受电弧干扰、工作可靠、成本低，曾在生产中得到广泛应用，但由于跟踪精度不高、磨损大、易变形，不适用于高速焊接，目前正在被其他传感方法取代。
声学传感器尤其是超声波传感器结构简单、精度高、价格便宜。超声波传感器由超声波发生及接收装置组成。超声波传感器的测量精度主要取决于超声波的频率，频率越高，误差越小，一般超声波的频率在1.25-2.5 MHz。超声波传感器不怕焊接中的电磁、光、烟尘干扰，但容易受到噪声干扰，对噪声比较敏感，如在CO2气体保护焊等焊接方法的应用中有一定的限制。
电弧传感器的工作原理是在焊接过程中，当焊枪与工件之间的相对位置发生变化时，会引起电弧电压和电流的变化，这些变化都可以作为特征信号被提取出来实现焊枪高低和左右两个方向的跟踪控制。
电弧传感器以电弧本身为传感器, 结构简单，方便灵活，不受弧光、磁场、飞溅、烟尘等干扰，具有响应快、精度高、抗干扰强等特点。但焊枪的摆动或旋转机构比较复杂，电弧各参数间耦合性很强，实际得到的波形未达到预期的效果，故需要对所得的数据进行滤波，并根据大量的经验来确定控制量。对于无对称侧壁或根本无侧壁的接头形式，现有的传感器则不能识别。
光电传感器精度高、再现性好，可以实现对坡口形状、宽度和截面的检测和焊缝跟踪，为焊接参数的自适应控制提供依据。光电传感器又可以分为基于分立光电元件的单点式光电传感器和能够获得坡口图像信息的视觉传感器。
视觉传感器采用的光电转换器件最简单的是单元感光器件，如光电二极管等；其次是一维的感光单元线阵, 如线阵CCD（电荷耦合器件）；应用最多的是结构最复杂的二维感光单元面阵，如线阵CCD是二维图像的常规感光器件，代表着目前传感器发展的最新阶段，因而应用日益广泛。在焊接机器人各种视觉传感器中，CCD传感器因其性能可靠、体积小、价格低、图像清晰直观而受到了普遍重视。根据焊接机器人视觉焊接系统的工作方式不同，可将用于焊接机器人视觉焊缝跟踪系统的视觉传感器分为3种：结构光式、激光扫描式和直接拍摄电弧式。其中，结构光式和激光扫描式属于主动视觉方法，直接拍摄电弧式则属于被动视觉方法。
2 智能控制方法在焊缝跟踪中的发展应用状况
现代智能控制就是主要利用人的操作经验、知识和推理规则，同时利用控制系统所提供的某些信息得出相应的控制动作，以达到预期控制目的的一种控制方法。在焊缝跟踪系统中, 发展应用状况如下：
2.1 模糊控制方法在焊缝跟踪中的发展应用状况
模糊控制是吸收了人的思维具有模糊性的特点，使用模糊数学中的隶属函数、模糊关系、模糊推理和决策等工具得出控制动作。模糊控制最突出的优点是无需建立控制系统的数学模型，其控制决策表和控制规则是根据经验预先总结出来的。根据控制规则，误差及误差变换率的模糊子集产生控制决策表，通过决策表的直接查询，可得到每一时刻应施于控制系统的控制动作，从而达到实时控制的目的。在模糊控制中，需要建立模糊控制规则表，一般通过总结实际控制经验并经过模糊推理得到。
早在1985年，保加利亚的D.Lakov 提出用模糊模型描述弧焊过程的不确定性，借助于配置的非接触式激光传感器，它能按示教内容对焊缝进行跟踪，实验结果表明，采用模糊集概念可以进行在线评估、预测和控制。
日本的S.Murakami等人研制了基于模糊控制的焊缝跟踪系统，该控制系统根据焊枪的振幅位置同焊丝与工件的距离关系判别焊点的水平和垂直位移，根据语言规则设计了模糊滤波器和模糊控制器，控制效果很好。
国内北京联合大学的曹丽婷设计的系统中应用新一代激光焊缝传感器测量焊缝的位置，并采用Fuzzy-P双模分段控制进行焊缝的纠偏，获得较好的实验效果。
2.2 人工神经网络控制方法在焊缝跟踪中的发展应用状况
人工神经网络控制是在研究人脑结构和功能的基础上，通过简化、抽象和模拟，建立神经网络模型，再通过相应的计算机系统，实现反映人脑结构和功能来处理问题的过程控制。目前，应用最广、基本思想最直观的是误差传播神经网络及BP网络，BP网络的特点是进行误差逆传播，即根据网络的希望输出与网络实际输出之差的误差信号，由输出层经中间层向输入层逐层修正连接权及各单元的输出阈值，BP算法再求误差函数的极小值, 通过样本的反复训练并朝减少偏差的方向修改权值，直到达到满意的精度为止。
