航空发动机是飞机中推进系统的重要组成部分之一,具有复杂、高精密的特点。叶片作为航空发动机的重要部件,是推动飞机前进的强大动力来源,其形貌复杂,造价昂贵,工作环境恶劣。传统人工修复受损叶片工作效率低、表面一致性差,难以满足现代工业的要求,因此进行受损叶片机器人磨抛修复的研究具有重要的现实意义。以提高航空发动机受损叶片磨抛修复效率为总目标,开展了叶片自适应磨抛修复相关研究,包括机器人砂带磨抛工艺参数优化、受损叶片腐蚀点检测、自适应磨抛路径规划,主要研究内容如下:1)开展了机器人砂带磨抛工艺参数优化研究,提出了一种基于改进麻雀搜索算法优化BP神经网络的工艺参数优化方法。首先选取4个主要影响因素为变量进行正交实验和极差分析;其次利用BP神经网络建立表面粗糙度预测模型,引入Tent混沌映射和种群多样性变异,进行麻雀搜索算法的改进;再通过CSSA对预测模型进行优化;最后对所优化粗糙度进行实验验证,证明了参数优化模型的有效性。2)针对受损叶片腐蚀点区域,开展腐蚀点检测及自适应磨抛路径规划。首先针对采集的叶片腐蚀点图像进行平滑、腐蚀等图像预处理操作;其次提取出各腐蚀点的面积及中心点相对坐标;最后依据等残留高度法和等弦高误差法调整磨抛点的行距和步长,利用Inte Robot离线编程软件搭建仿真工作站,对受损区域磨抛路径进行自适应规划。3)基于C#和Halcon图像算法库,开发了上位机检测系统,含图像采集、参数设置、图像处理、人机交互四个模块,完成了Halcon的二次开发,实现了修复过程可视化管理。同时开展了磨抛修复实验,达到了叶片腐蚀点区域的基本去除,磨抛后的叶片满足后期正常使用。综上,所开展的受损叶片磨抛工艺参数优化、腐蚀点检测、磨抛路径自适应规划等研究内容可有效提高修复磨抛效率、过程质量一致性水平,具有较好的工程应用价值。