激光熔覆技术是缓解高水头冲击式水轮机叶片泥沙磨损的有效手段。熔覆过程中，异质材料间的热匹配性及熔池形貌是决定熔覆层质量的核心要素，因此精准预测与优化工艺参数至关重要。本研究构建了激光功率、扫描速度、送粉速率与稀释率、宽高比、润湿角之间的物理模型，将物理模型与优化后的神经网络模型相结合，并引入迁移学习技术，建立了高效的激光熔覆熔池形貌预测模型。基于多目标优化方法对工艺参数进行了反演设计，并开展实验验证。结果表明，物理模型与优化算法的引入显著提高了模型的预测精度。迁移学习使模型在跨设备、跨材料的小样本条件下仍能保持较高预测精度。多目标优化得到的工艺参数组合的实测形貌指标与目标值吻合良好。该模型为后续水轮机磨损修复及激光熔覆工艺的建模与优化提供了可靠的方法与理论依据。

激光熔覆；物理模型；PIMO-BPNN；迁移学习，参数优化