材料作为三大支柱产业之一，是人类赖以生存和发展的物质基础。随着现代科技的飞速发展，对材料的表面处理技术也提出了越来越高的要求，如何改善材料的表面性能继而节约资源就显得尤为重要，薄膜技术的发展具有很重要的实用价值。硬质薄膜材料作为一类重要的新型材料，具有一系列优异的性能，比如高硬度、低摩擦系数、高化学稳定性等，目前已经广泛的应用于各行各业中。人们为了改善材料的表面性能，从而提高材料的使用寿命，对硬质薄膜材料的制备工艺进行了广泛而深入的研究。尽管硬质薄膜已经在工模具等行业中得到了广泛的应用，但是仍然存在着很多不足，需要进一步的研究和改善。在制备硬质薄膜材料的过程中，各个实验工艺参数的设置直接影响着薄膜的质量。所以如何有效的对实验数据进行分析，进而选择优化、合理的实验设计就显得尤为重要。本文采用支持向量回归(SVR)的建模理论，结合粒子群优化(PSO)算法对模型参数进行寻优，分别对ZL109多弧离子镀TiN薄膜的工艺参数对其硬度和结合力的影响、脉冲激光沉积TiN/AlN多层膜的沉积参数对其硬度和厚度的影响、磁控溅射沉积DLC薄膜的制备工艺对其摩擦系数和沉积速率的影响进行了建模和优化研究。具体包括：(1)利用留一交叉验证的SVR(SVR-LOOCV)对ZL109铝合金表面多弧离子镀TiN薄膜的4个工艺参数（温度、溅射时间、沉积时间、负偏压）对其硬度值和结合力的影响进行了建模分析。结果表明，即使在样本数较少的情况下，SVR回归模型在处理硬质薄膜材料的实验研究中，仍具有很高的精度；研究发现当温度在268℃、溅射时间在8.6min、沉积时间在28.4min、负偏压在240V时，TiN薄膜硬度值将可能达到最大值(约为1548HV0.05)；(2)根据不同工艺参数下的脉冲激光沉积法制备TiN/AlN多层功能薄膜的AlN膜厚及TiN薄膜硬度的实测数据集，应用基于PSO寻优的PSO回归方法，建立了TiN/AlN多层薄膜在不同工艺参数下的AlN膜厚及TiN薄膜硬度的SVR模型，并将SVR对AlN膜厚的回归/预测结果与基于免疫径向基函数神经网络的预测结果进行了比较。结果表明，在相同的训练样本和和测试样本下，SVR具有更小的预测误差、更高的预测精度和更强的泛化能力；利用所建SVR模型进行了工艺参数寻优，并预测最优工艺条件下TiN薄膜最大硬度为38.6GPa；还应用所建SVR模型分析了多因素对实验结果的协同影响趋势；(3)利用SVR对非平衡磁控溅射沉积Zr-DLC薄膜各个不同工艺参数对其摩擦系数和沉积速率的影响进行了建模分析。结果表明，SVR具有很强的预测能力和泛化能力；当靶电压为-40V、锆靶电流为0.816A、脉冲频率为89.2kHz、甲烷气体流速为6.6sccm、工作距离为12.6cm时，摩擦系数可以降低到约0.0875，比灰色模糊田口方法的最终优化结果0.112要小；此外，还对各工艺参数进行了灵敏度分析，同时发现，成膜的摩擦系数对工作距离、脉冲频率、耗靶电流、甲烷气体流速、靶电压的敏感度依次减弱。本文研究的结果显示，利用SVR回归模型对制备硬质薄膜材料的实验数据进行建模和工艺优化研究，可为实验条件的优化设计提供科学的理论指导、有效提高制备材料的物理性能，节约大量的人力、物力、财力和时间，在优化实验设计中发挥十分重要的作用。