高锰钢表面等离子熔覆低碳Fe-Ni合金涂层可以显著提高其耐磨性和寿命。通过调整等离子熔覆工艺、固溶处理及时效处理的参数,可调控Fe-Ni涂层/高锰钢的组织与性能。因此,可以根据耐磨件的使用工况,确定涂层的等离子熔覆加工工艺参数。但目前加工工艺参数使用试验法,不能快速根据使用工况确定较佳的加工工艺参数。本论文在高锰钢表面等离子熔覆Fe-Ni合金涂层试验,获得不同组织和性能的Fe-Ni涂层/高锰钢材料工艺参数和性能数据基础上,建立Fe-Ni合金等离子熔覆数据库,并采用计算机模拟的方法建立优化高锰钢表面等离子熔覆熔覆Fe-Ni合金涂层的预测系统。试验结果如下:(1)通过试验测试得出较佳的熔覆工艺参数,等离子熔覆Fe-Ni合金涂层在熔覆电流120A,扫描速度180mm/min,离子气流量1.5L/min,喷距9mm,随后随炉升温至820℃固溶处理一小时后工件进行水冷,接着进行500℃的时效处理五小时后空冷,可得到综合力学性能优异的熔覆涂层。(2)本文详细叙述了等离子熔覆低碳Fe-Ni合金涂层综合力学性能数据库的过程,其中熔覆层的硬度性能和耐磨性能各80组数据样本,冲击韧性数据45组数据样本。每组数据共有四个变量和一个力学性能指标,变量分别是熔覆电流(A)、扫描速度(mm/min)、离子气流量(L/min)和热处理温度(℃)。Fe-Ni合金涂层综合力学性能数据库的建立为训练人工神经网络模型和机器学习模型奠定了样本基础。(3)根据数据特点,建立了基于机器学习的等离子熔覆低碳Fe-Ni合金涂层多元线性回归模型,并从数学模型上进行了推导。构建的硬度预测模型在0℃至500℃时误差均值为5.10%,预测曲线与真实值基本一致。(4)根据BP神经网络在较小的数据集情况下,无法准确的稳定BP神经网络的权值和阈值的问题,提出引入粒子群优化算法,构建等离子熔覆低碳Fe-Ni合金涂层综合力学性能PSO-BP模型进行解决。在0℃至600℃时,该模型预测的硬度误差为均值4.55%,耐磨性能预测误差均值为5.94%,冲击韧性误差为均值5.49%,预测结果与测试值的误差较小。本文除了构建等离子熔覆低碳Fe-Ni合金涂层综合力学性能数据库,还搭建了等离子熔覆低碳Fe-Ni合金涂层综合力学性能PSO-BP预测模型。该模型预测结果与测试值的误差较小,具有较好的预测效果。预测模型还可以为科研和企业提供大量的非实验数据,具有一定的经济价值。