钛合金叶片作为航空发动机的核心构件,其轮廓加工精度和表面质量决定了航空发动机的寿命与性能。机器人砂带磨削凭借其低成本、高灵活性、柔性切削、兼顾磨削与抛光等特点,正逐渐成为叶片精密磨削的新方式。然而,机器人砂带磨削的材料去除受加工轨迹、工艺参数、接触轮变形等因素耦合影响,机理研究不透彻,是阻碍其进一步应用的难点所在。为此,本文基于降维接触方法（Dimension reduction contact method）和XGBoost（Extreme Gradient Boosting）集成学习方法,从工艺参数角度揭示材料去除规律,建立适用于Ti-6Al-4V航发叶片的机器人砂带磨削材料去除预测模型,实现叶片磨抛加工过程的材料去除精确控制,并应用于实际生产。论文的主要研究工作如下:建立了一种基于碳化硅空心球砂带单颗磨粒与降维接触的材料去除机理模型。通过分析单颗磨粒的磨削运动轨迹,建立材料去除方程,采用降维接触方法将方程中接触轮与工件接触面上的三维压力分布映射到一维空间进行求解。通过TC4试块机器人砂带磨削实验结果表明:与简化Hertz模型相比,本文提出的材料去除率模型将均方根误差和平均绝对百分比误差分别从2.02降低到1.67,从18.46%降低到13.78%,显示出更高的预测精度和鲁棒性。提出了一种基于集成学习XGBoost算法的材料去除率预测模型。该模型集成了一种经过训练和优化的k折XGBoost算法,通过交叉验证与超参数寻优来避免模型过拟合,提高泛化能力。试块实验数据显示模型预测值与真实值基本一致,均方根误差和平均绝对百分比误差减小到0.60和5.23%,同其他模型相比,该模型在相同数据集上展现出更高的预测精度。针对某型号航发叶片搭建机器人砂带磨抛平台,基于等残留高度法和等弦高误差法对叶片磨抛加工区域进行轨迹规划和离线编程,设计出适合叶片不同部位的磨抛工艺方案。开展叶片磨抛试验,取到了良好的加工精度和表面质量,并对材料去除率预测模型进行了验证与应用。利用上述研究来弥补机器人砂带磨削材料去除的精准控制,实现叶片磨抛的定量去除与高自动化作业;在保证磨削精度与表面一致性的同时,避免了叶片返修,成功应用于企业的批量生产。