激光选区熔化（Selective Laser Melting,SLM）技术成形范围广、制造周期短、成形件综合性能优良,在航天发动机复杂构件快速研制领域拥有传统制造技术不具备的优势。但SLM成形件力学性能受关键工艺参数的复杂耦合影响,导致“经验法”难以在较少的“试错”次数中准确获取满足需求的工艺方案;SLM历史工艺数据未得到知识挖掘,难以为后续工艺设计提供指导。为此,本文开展SLM工艺数据库与工艺推荐研究,设计工艺数据库并采集实验数据、建立工艺知识库、提出用于SLM工艺推荐的案例推理-粒子群混合模型,并开发了相应系统。主要完成了以下工作:（1）设计了SLM工艺数据库并完成实验数据采集。首先分析得出SLM工艺流程及生产中存在的问题,提出了SLM工艺数据库的功能需求;然后建立了数据库的概念模型、逻辑模型;最后设计并实施正交实验,完成了工艺数据库的数据采集工作。（2）建立了包括预测模型库与案例库的SLM工艺知识库。采用BP神经网络（Back Propagation Neural Network,BP）与多元回归分析方法,以关键工艺参数为输入,分别建立了高温合金GH4169的致密度、抗拉强度、屈服强度、断后伸长率预测模型,并择优构建了预测模型库;BP神经网络模型的标准误差分别降低了30.47%、28.39%、22.33%、31.97%。基于工艺设计需求建立了案例表示模型并构建了案例库。（3）提出了一种用于SLM工艺推荐的案例推理-粒子群混合模型。首先建立了加权案例推理模型,实现了相似历史工艺方案的优选推荐;然后针对无法检索到相似案例的情况,提出了加权粒子群模型,快速准确地实现了对用户需求工艺方案的生成推荐;最后设计实验验证了模型的推荐效果,当案例库中存在、不存在相似案例时,混合模型的工艺推荐准确度分别达到99.81%、96.32%。（4）设计开发了SLM工艺数据库与工艺推荐系统。首先对系统进行解耦设计;然后选择合适的平台与工具对系统进行开发;最后测试了系统功能。结果表明,SLM工艺数据库与工艺推荐系统能够实现工艺数据的有效挖掘和工艺方案的准确推荐。