铝硅-聚苯酯封严涂层（AlSi-polyester seal coating）具有摩擦系数低、抗冲蚀性强、性能稳定和易于调整维修等优点,已广泛应用于先进航空发动机低温构件的气路密封。理想的封严涂层应该是非金属润滑相和孔隙离散均匀地镶嵌在金属基体上,并通过合理的成分设计和微观组织调控实现可磨耗性和抗冲蚀性二者间的平衡。因此,对涂层孔隙率和组织均匀性进行准确、高效的无损表征,是从根本上控制涂层质量、提高其服役性能的有效途径。在非均匀介质无损表征方面,超声检测技术具有其他方法无法比拟的优势,但目前针对封严涂层的超声无损表征研究工作尚处于起步阶段,具体来说,存在的问题和难点主要有以下几个方面:非金属相和孔隙组成相尺寸变化范围大、边界粗糙、形貌和分布随机,独特的蜂窝网络结构和固有随机性导致涂层中局部弹性特性剧烈波动。超声波在涂层中传播时,瑞利散射、随机散射和多重散射等多种散射机制并存,其衰减特性在频域内表现出明显的非线性和“多尺度效应”,采用传统的拟合法或正则化方法难以对涂层孔隙率和组织均匀性进行精确表征。针对上述问题,本文从建立准确刻画涂层微观结构特征的随机多相介质模型入手,结合数值模拟和超声波散射理论分析了孔隙和聚苯酯单因素条件下及多因素耦合约束下的涂层声衰减机制。以此为基础,进一步构建了基于多尺度超声衰减系数的粒子群优化-支持向量回归机器学习预测模型（Support Vector Regression model optimized by Particle Swarm Optimization algorithm,PSO-SVR）,实现了 AlSi-polyester封严涂层孔隙率和组织均匀性的超声定量无损表征。主要研究内容和结论如下:（1）针对AlSi-polyester封严涂层组成相形貌随机、弹性特性分布复杂,现有建模方法难以对其进行准确刻画,无法再现涂层内部复杂声传播行为的问题,将随机介质理论与统计学方法相结合,提出了一种面向涂层微观结构特征的随机多相介质建模方法。对金属-非金属-孔隙三相复合涂层的弹性特性分布进行了统计学量化描述,并将其应用于超声波传播特性分析和声学仿真之中。建模和声学仿真结果表明,随机多相介质模型能够较好刻画涂层中聚苯酯和孔隙的不规则形貌及随机分布状态,在保证模型与涂层真实微观结构统计学等效的同时,充分体现涂层的固有随机性。涂层孔隙率由0.3%增大至4.0%时,基于随机多相介质模型预测的平均纵波声速由2251 m/s降低至2150m/s,相对变化率约为4.5%,平均声衰减系数则由4.45 dB/mm增大至6.56 dB/mm,相对变化率约为47.4%,超声检测数值模拟与实验测量值间具有较好的一致性。（2）针对多相、非均质、组成相形貌及分布随机复杂导致AlSi-polyester封严涂层中超声波传播行为和衰减机制不明确的问题,从涂层固有多相非均质特性出发,基于“拆分-整合”分析策略,建立了多相非均匀封严涂层的声衰减机制分析模型。基于典型AlSi-polyester封严涂层的组分含量和微观结构特征统计结果,将全组分随机多相介质拆分为仅含孔隙和仅含聚苯酯的超声检测模型,通过数值模拟结合散射分区近似理论和广义自洽理论,初步阐明了孔隙和聚苯酯含量、尺寸和分布均匀性等单因素及孔隙和聚苯酯相互作用对声衰减特性的影响,最终建立了孔隙和聚苯酯多因素耦合约束下的AlSi-polyester封严涂层声衰减机制分析模型（3）针对涂层孔隙率和组织均匀性参数超声反演中存在的非线性和多解性问题,从超声特征参量提取和参数反演的角度出发,提出了多相非均匀介质非线性参数反演问题的人工智能解决方案。基于超声衰减机制确定了多尺度超声衰减系数作为输入特征参量,引入粒子群优化算法对SVR关键参数进行全局优选,建立了适用于AlSi-polyester封严涂层孔隙率和组织均匀性超声无损表征的PSO-SVR机器学习预测模型。在39组实验数据中抽取80%（31组）作为训练集,余下的20%（8组）作为验证集,采用该模型涂层孔隙率和组织均匀性进行了预测。结果表明,模型孔隙率预测值与显微CT原位标定值间的决定系数R2和均方误差MSE分别为0.947和0.067,涂层分布均匀性长度模型预测值与显微CT原位标定值间的决定系数R2和均方误差MSE分别为0.834和0.824。与人工神经网络模型相比,PSO-SVR模型在小样本情况下具有更好的泛化能力和更高的预测精度,更适于样本数目和特征信息有限的无损检测工程应用问题。