金属激光熔覆工艺过程中,多个工艺技术参数对熔覆涂层性能质量具有复杂的影响机制,熔覆涂层在熔覆过程中极易出现裂纹、气孔等典型缺陷,这些缺陷会极大的影响熔覆涂层的物理、力学性能等。而对熔覆过程中的各个工艺参数和熔覆层的质量进行实时监测,进而及时的调整工艺参数,来减少裂纹的产生。是目前一个比较高效且新颖的解决思路。本文主要研究内容如下:（1）系统介绍了目前激光熔覆技术过程监测与反馈调整的研究背景及意义,基于不同在线监测技术的激光熔覆过程的监测方案及研究成果。并介绍了随着智能诊断技术的发展与推广,深度学习算法等前沿理论在激光熔覆缺陷诊断上的应用。（2）提出裂纹冲击信号和基础熔池活动信号的区分方法。首先通过实验获取大量有裂纹的、无裂纹的熔覆过程监测信号。随后统计未出现裂纹的监测信号的能量水平,以此推断实时能量高于此能量水平的冲击信号为裂纹活动产生的。此方法可以更充分的发挥声发射检测技术在激光熔覆过程监测中的监测潜力。（3）提出基于一维卷积神经网络的熔覆状态识别与裂纹诊断方法。以一维卷积神经网络为基础,搭建激光熔覆状态识别与裂纹诊断模型（SRCD）,从声发射检测数据中识别当前的熔覆状态（正常状态或某一工艺参数异常）,诊断裂纹（若有裂纹活动）产生的工艺原因。该方法证明了声发射检测技术在熔覆过程中的应用潜力,更加充分的挖掘声发射（AE）监测信号中包含的关于熔池活动和裂纹活动的特征信息。（4）提出基于熔覆区域温度场监测与LSTM的裂纹预测方法。采用声发射检测技术和红外热像仪,监测来自基板的AE信号和熔覆区域的温度场分布。构建基于CNN和LSTM的神经网络模型,来判断当前熔覆过程是否会因为上述某一工艺参数过高（过低）而引起裂纹。该方法考虑了熔覆区域的温度场随时间变化的过程,并联合声发射检测结果,对裂纹活动作出“预测”,为激光熔覆过程监测与在线反馈控制方法提供了一个思路。本文所做工作中,对于激光熔覆的过程监测做了一些创新性的试验,同时对于监测数据的处理与信息挖掘工作做了一些有意义的尝试。本文所提方法,可以准确地诊断金属激光熔覆工艺过程中产生裂纹的设备端工艺参数设置原因。为激光熔覆工艺的实时监测与反馈控制,减少熔覆层裂纹缺陷提供了思路。