将反馈型(BP)神经网络和遗传算法(GA)相结合用于激光多层熔覆厚纳米Al2O3-13%TiO2(质量分数)陶瓷涂层的工艺参数优化，根据3因素3水平正交试验结果对神经网络模型结构进行训练，建立了熔覆工艺参数(熔池闭环控制温度、超声振动频率及保温箱预热温度)与涂层性能(结合强度和显微硬度)之间的遗传神经网络预测模型。在此基础上，采用遗传算法对纳米陶瓷涂层结合强度和显微硬度进行了单目标和多目标参数优化。结果表明，遗传神经网络模型预测值与试验值误差较小，相对误差不超过2.5%。遗传算法优化的涂层最大结合强度和显微硬度分别为70.7 MPa和2025.5 HV；在结合强度和显微硬度两者权重相同的情况下，当熔池闭环控制温度为2472.0 ℃、超声振动频率为31.9 kHz和保温箱预热温度为400 ℃时涂层综合性能最优，对应的结合强度和显微硬度分别为69.1 MPa和1835.5 HV。

采用压片预置式激光多层熔覆制备了厚纳米Al2O3-13%TiO2(质量分数)涂层，研究了涂层的微观组织和结合性能，并分析了涂层厚度对结合强度的影响。结果表明，陶瓷涂层各层之间无明显界面，过渡缓和自然，涂层内部致密、连续，基本无孔隙及贯穿性大裂纹等缺陷；涂层由等轴晶的完全熔化区和残留纳米颗粒的部分熔化区组成，并且涂层中的裂纹基本集中于部分熔化区，另外晶粒尺寸表现为上小下大的梯度过渡特征。随着涂层厚度的增加，结合强度逐渐下降，其减小的趋势为先快后慢。厚度为175 μm的试样结合强度高于78.6 MPa，而厚度为350、525、700 μm的涂层结合强度分别为66.3、47.4、36.2 MPa。