激光熔覆技术通过高能激光束将金属粉末和基体材料快速熔融凝固的方法直接成形复杂结构零件,具有成形效率高和力学性能良好的特性,但其工艺参数会直接影响成形件质量,如何在线检测并识别加工状态对于激光熔覆制造过程具有十分重要的意义。本文针对激光熔覆加工状态识别及其声发射源定位展开研究,主要工作如下:1)研究了不锈钢板内声发射信号的传播特性,获得了传播距离与时频域幅值及能量衰减的关系。针对激光熔覆声发射信号的噪声干扰问题,分析了小波包中基函数、分解层数、阈值函数和阈值规则等参数选取对降噪效果的影响,实验分析结果表明Coif5函数、5层分解以及Visu Shrink规则的降噪效果最优。2)构建了基于时域、频域与波形参数的多域声发射信号特征提取方法,针对激光熔覆加工状态最终确定了14维特征矩阵,包括能量、振铃次数、RMS、峭度、稀疏因子、样本熵、频带能量熵及奇异值等。并在此基础上,设计了基于相关分析的特征选取方法,并提出了基于t分布随机邻域嵌入(t-SNE)算法的特征优化方法,实现了特征矩阵的去冗余优化处理,能够提高后续激光熔覆加工状态识别的有效性。3)提出一种基于小生境粒子群(NPSO)算法参数优化的最小二乘支持向量机(LSSVM)激光熔覆加工状态识别方法,通过选取NPSO算法优化的最佳参数组合以提高分类识别的准确率,不同工艺参数下的激光熔覆实验分析结果验证了所提出t-SNENPSO-LSSVM模型的有效性和实用性。4)针对传统时差定位方法在激光熔覆声发射信号中难以适用的问题,提出基于改进果蝇优化算法(FOA)的多点定位优化方法。通过峭度和稀疏因子联合阈值法提取声发射事件,采用轮换对称式改进多点定位的优化目标函数,根据幅值衰减特性动态优化阈值以精确计算时差值,并从搜索半径和目标函数等方面改进FOA算法,实验分析结果表明该方法能够有效提高收敛速度和定位精度。