航空发动机叶片是航空发动机的重要部件,由于工作环境恶劣,极易出现损坏,影响飞行安全。更换叶片费用较大,对损坏发动机叶片进行修复是较为经济的做法。叶片修复过程中原始模型难以获取,且使用后叶片会发生蠕变,难以适用于待修复叶片,同时叶片曲面形状复杂,损坏形式多样,难以实现在数控机床的精确定位是研究叶片自适应定位修复过程中亟待解决的技术问题。为此,本课题研究一种基于视觉测量的叶片自适应定位修复方法,实现叶片自动化修复。论文主要研究内容如下:1、结合双目立体视觉基本原理搭建了散斑视觉测量系统,从而提出了一种基于散斑视觉测量的叶片点云测量方法,实现了随机性强、点云数量适中、噪声点少的非接触式叶片点云的测量。2、研究了损坏叶片点云数据的模型重构方法,采用依曲率变步长进行边界点提取,在此基础上进行B样条曲线曲面拟合及曲面延拓完成损坏叶片构型,能为叶片自适应定位修复提供模型依据,并进行了测量方法及构型方法的实验验证。3、针对曲面叶片形状复杂、损坏形式多样,传统夹具定位无法满足其减材复形的定位需求,提出了一种采用散斑视觉测量的叶片自适应定位方法。依据各定位坐标系之间的位姿关系求解自适应定位模型,实现欠定位装夹下叶片自适应定位,并采用标准量块进行实验验证。4、研究了叶片自适应定位修复路径的轨迹规划方法,依据视觉测量系统测量叶片形貌及位置信息,利用UG NX软件生成环境进行自适应定位修复轨迹规划及NC修复加工代码生成,然后采用仿真软件对生成的修复路径进行修复仿真。在此基础上进行了叶片自适应定位修复实验,在现有实验条件下有较好的修复效果。