功能梯度复合材料是参照计算机辅助材料设计的基础上,利用先进的复合技术在材料制备过程中使材料的组成、结构等要素在某个方向上呈连续变化或阶梯变化,从而使材料性质和功能也呈连续变化或阶梯变化的一种非均质复合材料。增材制造技术可以通过实时控制进入熔池不同粉末的比例可实现材料成份连续变化,进而改变零件某些特殊部位的成分,使其不同部位具有不同性能,这是传统铸造和锻造所无法实现的。依靠增材工艺实现材料累加成形,依靠减材加工提高表面质量、精确控制梯度结构、去除内部缺陷、改善应力状态,通过两种技术的交替,最终实现功能梯度零件的成形。本文基于增减材复合五轴加工机床探究功能梯度结构件的增减材复合成型机理与实验研究,具体内容如下:（1）通过单因素实验分析了在同一工艺参数下,以梯度步长为10%变化的不同比例316L/Inconel 718粉末对激光熔覆层截面高度H、熔覆层截面宽度W和表面质量的影响,进行单道单层单因素实验及正交实验,探究激光功率P、送粉速率Q和扫描速度V对熔覆层宽度和高度的影响规律,根据单因素实验结果确定工艺参数范围进行正交实验,通过极差法分析实验结果,对正交实验进行回归分析,以Q、V、P为自变量W、H为因变量建立工艺参数回归模型,并利用粒子群算法与回归模型结合优化工艺参数。（2）根据公式及熔覆层截面宽度及高度数据计算Z轴提升量,进行单道多层单因素实验及正交实验,探究激光功率P、送粉速率Q和扫描速度V和减材前增材层数N对单道多层增减材试件的密度、致密度、硬度、残余应力、拉伸性能及断口形貌的影响规律单因素实验主要探究减材前增材层数对这些性能的影响,通过极差分析正交实验,对正交实验数据进行逐步回归分析。（3）以前文单道多层单因素实验以及正交实验致密度、硬度和残余应力的数据构建基于BP神经网络的增减材试件性能的模型,首先设计模型拓扑结构参数,选择对功能梯度结构件有重要影响的四个工艺参数（激光功率,送粉量、扫描速度和每次减材前增材的层数）作为输入层变量,输入层的节点为4个,选取硬度、致密度和残余应力作为单一网络输出层,对数据参数进行归一化与反归一化处理,设置神经网络模型中的参数,设置目标学习精度,最大学习步数为和网络学习速率。之前做过的单因素实验及正交实验的用输入输出数据对网络进行训练。分别以隐含层传递函数和隐含层节点数作为变量分析致密度、硬度和残余应力的BP神经网络模型。（4）在这里选取材料成分沿梯度方向呈线性变化且以梯度步长10%进行过渡,分别设计并加工纵向单道多层纯增材316L/Inconel 718功能梯度薄壁件、纵向单道多层增减材复合加工316L/Inconel 718功能梯度薄壁件、横向多道单层316L/Inconel 718功能梯度试件以及多道多层功能梯度块体。最后成型增减才加工功能梯度扭转件。合理选择搭接率,测量其中功能梯度薄壁件及块体的残余应力、显微硬度、元素分布,拉伸性能及拉伸断口分析。