近年来,利用激光增材制造技术加工出的零件在航空航天、医疗器械、工业生产等方面都有着广泛的应用。而在实际加工过程中,由于元素的损失和送粉量的波动等因素会导致样品中的元素含量偏离设计值,最终影响成形样品的显微组织和力学性能。因此,在制造过程中实现成分的精确稳定监测对控制成形样品的质量至关重要。本实验以Fe、Cr粉末为材料,利用激光增材制造技术制备出FeCr合金样品。通过正交实验得出最佳的工艺参数分别为:激光功率700 W,激光光斑直径0.5 mm,扫描速度5.0mm/s,送粉率4.6 g/min。并利用基于激光诱导等离子体光谱技术设计的光谱信号实时采集系统采集制造过程中产生的等离子体光谱信号,采集到的光谱信号通过本文提出的预处理方法进行处理,该过程可提高信号的信噪比以及光谱分析的精度及效率。分析光谱信号中的光谱特性与元素浓度之间的关系,得出谱线强度比和积分强度均与Cr浓度有很强相关性的结论,且由于传统标定曲线法具有不同元素浓度段灵敏度不同的缺点,因此,本文提出采用化学计量学分析法对元素成分进行定量分析和监测。本文依次使用偏最小二乘法、BP神经网络和支持向量回归这三种单输入化学计量学分析法构建成分监测模型,分析比较这些模型的监测精度和稳定性,得出最佳的化学计量学分析法为支持向量回归算法的结论。支持向量回归算法利用核函数将谱线强度比与元素浓度之间的非线性关系从实数空间映射到Hilbert空间,使谱线强度比与元素浓度之间的非线性关系在Hilbert空间中呈线性关系。由于支持向量回归模型的分析参数决定了模型的性能,因此本文提出使用二折交叉验证法对分析参数进行寻优,结果表明使用最优分析参数训练得到的成分监测模型的精度和稳定性得到了提高。单输入化学计量学分析法的输入均为谱线相对强度比,而输入单一会影响模型的精度和稳定性,为了解决这个问题,本文提出使用多输入化学计量学分析法,即将谱线强度比和积分强度作为化学计量学分析法的输入向量,结果表明增加输入向量使成分监测模型的精度和稳定性均得到了提高。