钢铁零部件表面在高温、磨损等特殊复杂服役环境下容易遭到局部破坏,降低服役寿命,造成一定经济损失。而涂层作为一种保护金属表面的手段,能有效延长基体材料服役寿命。实验室制备等离子喷涂双层涂层的工艺流程为:基体喷砂→制备粘结层→喷涂工作层（如陶瓷层）。在整个喷涂过程中,工作层喷涂质量的好坏与粘结层的制备质量息息相关。Al Co Cr Fe Ni高熵合金具有高硬度、高强度、耐磨性、耐腐蚀性、耐高温低温等材料特性,可作为粘结层的理想原料。大气等离子喷涂过程中,喷涂距离、喷涂电流、喷涂电压、送粉载气、送粉电压等控制参数耦合,人工经验选取最佳工艺参数困难,造成涂层结合强度、显微硬度等性能不理想、不稳定。本文提出一种全局混沌高斯融合的海鸥算法优化BP神经网络模型,对等离子喷涂工艺参数寻优,以提高涂层质量,使材料性能尽可能最大化开发。主要工作如下:（1）设计L25（5~5）正交试验,对Fe基基体进行喷涂及涂层测试,获得25组工艺参数及其对应的涂层性能数据,建立工艺参数BP神经网络关系模型。（2）选择海鸥优化算法,其具有较强的探索和开发能力及调参少等优点,但在搜索接近最优解时,容易出现“早熟”和种群多样性减少等问题,致使收敛速度、收敛精度等性能较差,通过融合改进logistic混沌和高斯变异方法,解决其弊端,进而提高算法的寻优精度和收敛速度。引入logistic混沌理论改善初始解,提高初始解质量,在搜索阶段保持了较好的协调性,便于进行全局搜索,进而提高在搜索阶段的效率和质量;在个体最优位置处引入混沌思想均匀性机制,解决算法陷入局部最优问题,改善局部搜索能力。针对算法在迭代后期种群多样性减少的问题,引入高斯变异以促进算法的全局搜索能力。为验证本文改进算法的优越性,用9个测试函数对改进算法进行仿真测试,并与常规海鸥优化算法及文中其他4种群体智能算法进行测试对比,结果表明,本文提出算法在寻优精度和收敛速度上表现最好。（3）提出新的适应度评价指标以兼顾结合强度和显微硬度等涂层性能,并利用留一法交叉验证对数据进行处理,进而将改进算法用于优化BP神经网络建立的高熵合金喷涂工艺参数模型,获得较优工艺参数:喷涂距离、喷涂电流、喷涂电压、送粉载气及送粉电压分别为100mm、650A、56V、203L/h、5V,并以此进行喷涂试验,然后测试样品性能,结合强度和显微硬度的平均值分别为25.20MPa、616.80HV0.2。预测得到结合强度和显微硬度值分别为24.44MPa、598.85HV0.2,相对误差分别为3.02%、2.91%。综上所述,在该工艺参数下制备的Al Co Cr Fe Ni涂层性能较好。