基于激光加工的表面功能化工艺是制备功能性超疏水表面的有效方法。然而，大多数激光表面改性工艺效率较低，成本较高，严重限制了工艺的实际应用。为了进一步提高超疏水表面的制备效率，本研究从工艺试验和仿真模拟两方面开展研究。在工艺试验方面，本工作开发了一种高效激光-硅油-热处理复合表面功能化工艺，通过激光诱导表面微纳结构和高效表面化学改性的协同作用，仅需数分钟便可实现表面极端润湿性的快速转变。同时，探讨了表面微纳结构的形成机理和化学组成及元素含量变化对激光加工表面润湿性和液滴粘附性的影响机制。在仿真模拟方面，为了探究超疏水性增强表面抗结冰性的作用过程和机理，本工作建立了液滴在低温超疏水表面上的运动和结冰相变模型，精准预测了低温超疏水表面上的液滴结冰过程。同时，针对超疏水表面的表面结构和表面化学对于润湿性影响的复杂耦合作用，本工作提出了一种基于机器学习的表面润湿性预测模型。首先，设计了一组微纳米尺度的表面形貌描述符和分子尺度的表面化学描述符作为模型的输入。其次，采用SHAP方法获得了最相关的表面润湿特征并对表面的接触角大小进行了预测。预测结果表明，提出的预测模型能够充分捕捉所选特征与表面润湿性之间的联系并较为准确地预测表面接触角大小。该模型可以为不同类型超疏水表面的设计和制备提供关键性参考和指导。
 

陶瓷材料；激光表面改性；超润湿；结冰相变；机器学习