近年来随着我国航空航天事业突飞猛进的发展,航空器的安全性和可靠性受到了越来越多的密切重视。航空发动机作为航空器的主要动力来源,保持其性能良好具有重要意义。所以及时地对发动机叶片实施日常维护和准确检测评估对于提高航空器的安全性和可靠性具有重要意义。但是传统检测手段自动化程度低、效率低、精确度差,而航空发动机叶片自动化超声无损检测技术可以很好地解决这些问题,实现实时、智能、准确、高效率的无损检测。在航空发动机叶片超声自动化无损检测过程中,需扫查机器人末端夹持被测叶片通过操作台上的超声检测仪,对叶片的厚度和内部缺陷进行全面检测。在整个检测过程中,扫查机器人的运动路径需满足两个条件:第一,超声探头到被测叶片表面的距离始终相等,即等距;第二,超声探头发出的超声波入射方向始终垂直于被测叶片表面曲面的切线方向,即垂直。因此,为了很好的实现航空发动机叶片超声自动化无损检测过程,得到较理想的缺陷检测结果,需要建立被测物体的三维模型,并以此模型为基础完成扫查机器人的轨迹规划,这是完成超声自动化无损检测的前提。针对以上问题,本文进行了以下几个方面的研究:首先,建立了6自由度扫查机器人的运动学模型,对机器人的姿态和坐标变换进行了描述,基于对6自由度机器人运动学正逆解的分析,并结合本课题中扫查机器人满足的垂直与等距的特殊轨迹要求,在笛卡尔空间坐标系下对扫查机器人的轨迹规划问题进行了分析,为扫查机器人的轨迹规划提供了理论依据。其次,为了得到较理想的被测物体的三维模型,本文以机器学习思想为指导,应用梯度下降算法完成了一种新的拟合方法,利用Python语言在分布式深度学习系统Tensor Flow中对该算法进行了实现,并通过Matlab仿真软件对该算法的拟合精确度和拟合速度进行了验证。最后,以新的拟合方法获得的三维模型为基础,对扫查机器人的轨迹进行了规划。针对传统轨迹规划中数值算法运算复杂、运算时间过长的问题,本文提出了基于逐步求精思想的改进数值算法,在满足等距与垂直的轨迹要求的前提下,化简了运算过程,缩短了运算时间。最终基于Matlab Robotics Toolbox对以上改进的轨迹规划数值算法进行了验证,结果表明改进后的算法可以满足本课题中扫查机器人的轨迹规划的要求。