La señal de sonido del arco es uno de los aspectos más importantes de la información relacionada con la identificación de patrones respecto al estado de penetración del GMAW robótico de barcos; sin embargo, el sonido del arco se ve inevitablemente afectado por la interferencia del ruido durante el proceso de adquisición de la señal. En este artículo, se propone un método mejorado de eliminación de ruido mediante umbral de wavelet para eliminar la interferencia y purificar la señal de sonido del arco. También se estiman las características de distribución aleatoria no estacionaria de la interferencia de ruido del GMAW utilizando los coeficientes de detalle de alta frecuencia en diferentes dominios después de la transformación wavelet, y se crea un modo de medir la escala que está correlacionado negativamente de forma logarítmica con la escala de descomposición wavelet para actualizar el umbral. La función de umbral convergente por gradiente se establece utilizando la estructura de la función logarítmica natural y el gradiente cóncavo-convexo para permitir el ajuste no lineal de la tasa asintótica. Además, se proponen y demuestran teóricamente algunos teoremas de propiedad relacionados con la función de umbral optimizada, y se verifica la efectividad y adaptabilidad del método mejorado a través de la simulación de eliminación de ruido de señales de síntesis de voz. Se aplican los cuatro métodos tradicionales de eliminación de ruido y nuestra versión mejorada en el pretratamiento de la señal de sonido del arco GMAW, respectivamente. Se utilizan análisis estadísticos y la transformada de Fourier de corto tiempo para extraer parámetros de características en el dominio del tiempo y la frecuencia de ocho dimensiones de las señales eliminadas de ruido con características aleatorias de variación temporal, y los parámetros de características conjuntas extraídos se utilizan para establecer un modelo de mapeo no lineal de identificación del estado de penetración para el GMAW robótico de barcos utilizando los clasificadores de patrones RBFNN, PNN y PSO-SVM. Los resultados de simulación obtenidos mediante la clasificación visual de penetración y el índice de evaluación multidimensional de la matriz de confusión indican que el método de eliminación de ruido mejorado propuesto en este artículo logra una mayor precisión en la extracción de características del estado de penetración y una mayor precisión en la identificación de la clasificación de patrones.