目前飞机发动机风扇叶片压力面全部采用人工清洗的方式,其工作时间长,劳动强度大且能够损害工人的身体健康;同时,由于人为主观因素会存在清洗效果不达标等问题,极易诱发极大的飞行安全隐患。因此为解决上述问题,研究一种能够代替人工并且具有快速、高效、环保、健康的飞机发动机风扇叶片压力面的清洗方式,同时对其进行清洗工艺设计与清洗过程中涉及到的参数进行优化是十分有价值的。首先,通过对比目前工业清洗方式以及研读飞机发动机风扇叶片压力面维修手册,确定飞机发动机风扇叶片压力面的自动化清洗方式。设计能够实现自动化清洗的飞机发动机风扇叶片压力面的工装夹具,并进行清洗机构的整体结构设计。为了达到自动化清洗的目的,根据所设计的机构对整套清洗流程进行了明确。其次,为提高飞机发动机风扇叶片压力面的清洗效果,须选择合适的超声波清洗参数。因此,对影响飞机发动机风扇叶片压力面清洗的关键因素进行分析是十分有必要的。为得到飞机发动机风扇叶片压力面的最优清洗参数组合,本文通过建立BP神经网络集预测模型,由正交试验获取神经网络测试数据,映射出工艺参数与质量指标的非线性关系;并通过采用模拟退火算法与改进遗传算法相结合的混合算法进行全局寻优,从而实现超声波清洗飞机发动机风扇叶片压力面高效、节能的目标。然后,根据飞机发动机风扇叶片压力面清洗的工艺参数优化结果,结合超声波清洗飞机发动机风扇叶片压力面的工艺流程,对飞机发动机风扇叶片压力面自动化清洗、润滑设备的整体硬件系统与相关软件系统进行设计。最后,针对目前叶片压力面清洗效果检测全部为人工检测的方式,存在标准差别大、效率低与自动化程度低等问题,采取图像处理方式进行飞机发动机风扇叶片清洗效果的检测,进而实现清洗效果检测的标准化和数字化。通过对比目前常用参数优化算法与混合算法得到清洗参数,验证采用BP-SA-GA混合算法能够真正提高清洗效果、提高清洗效率,进而能够为飞机发动机风扇叶片压力面自动化清洗提供可靠的依据。