1.一种涡轮叶片基于六点定位的姿态调整方法，其特征在于，包括以下步骤：

步骤S1.基于六点定位理论，由不同位置的测量传感器测量涡轮叶片，拟合涡轮叶片靶点方程，得到涡轮叶片六点定位测量数据；

步骤S2.基于涡轮叶片六点定位测量数据，构建平移矩阵和转动矩阵，从涡轮叶片测量数据中确定配准点，将涡轮叶片测量数据形成涡轮叶片模型，对涡轮叶片模型进行均匀二维网格划分，提取每个网格单元的顶点组成轮廓特征点集合，选取轮廓特征点集合中的一点Q，点Q在平移坐标系和转动坐标系上的坐标分别为(x′(Q)，y′(Q)，z′(Q))和则点Q的平移矩阵和转动矩阵分别为：其中，GM(Q)为点Q的平移矩阵，GR(Q)为点Q的转动矩阵；

点Q 的 法线 方 向的 单位 矢 量为 (μx ，μ y ，μ z) ，则 点Q 的 法向 量 为根据法向量方向的角度之差选择配准点；得到所有轮廓特征点的法向量后，计算相邻两点法向量的方向角度之差，设立角度阈值，选取角度之差大于角度阈值的点；计算选取的点两两之间的距离，根据距离阈值选取最终的配准点；

步骤S3.将待调整的涡轮叶片与标准涡轮叶片数据进行迭代配准，构建配准目标函数，建立配准目标的马尔科夫决策模型，将求解配准目标函数转换为深度强化学习下的制定配准动作策略，实现对涡轮叶片的姿态调整。

2.如权利要求1所述的一种涡轮叶片基于六点定位的姿态调整方法，其特征在于，所述步骤S1具体包括：由不同位置的测量传感器向涡轮叶片发射X射线，接收从涡轮叶片反射的X射线，在涡轮叶片上预先标注靶点，根据不同位置的测量传感器接收到的涡轮叶片靶点的X射线进行涡轮叶片靶点表示。

3.如权利要求2所述的一种涡轮叶片基于六点定位的姿态调整方法，其特征在于，所述步骤S1还包括：将不同位置测量传感器测量的数据进行融合，构成涡轮叶片靶点方程，将涡轮叶片靶点方程与平移坐标系、转动坐标系相融合，得到每个靶点的坐标，从而定位涡轮叶片，得到涡轮叶片六点定位测量数据。

4.如权利要求1所述的一种涡轮叶片基于六点定位的姿态调整方法，其特征在于，所述步骤S3具体包括：将待调整的涡轮叶片与标准涡轮叶片数据进行迭代配准，直至待调整的涡轮叶片配准点与标准涡轮叶片数据的同位置配准点的误差符合预设范围，根据配准前后配准点的位置坐标变化构建配准目标函数。

5.如权利要求4所述的一种涡轮叶片基于六点定位的姿态调整方法，其特征在于，所述步骤S3还包括：建立配准目标的马尔科夫决策模型，定义配准向量，定义奖励函数，将构建的待调整的涡轮叶片与标准图像在同一位置配准点的最大距离之差在精度阈值范围内的配准目标，转换为深度强化学习下的配准动作策略。

6.如权利要求5所述的一种涡轮叶片基于六点定位的姿态调整方法，其特征在于，所述步骤S3还包括：深度强化学习下的配准动作策略的目标为通过对配准过程进行深度学习，形成一个最优策略C，使配准动作函数最大，因此，将配准目标函数求解转换为最优策略C的求解，通过构建策略神经网络和评价神经网络来选择最优策略C，进而选择最优的配准动作，达到成功配准的目的。

7.如权利要求6所述的一种涡轮叶片基于六点定位的姿态调整方法，其特征在于，所述步骤S3还包括：通过构建策略神经网络得到当前配准点的配准动作，策略神经网络包括输入层、隐含层Ⅰ、隐含层Ⅱ和输出层；输入层的输入数据为配准点rv的配准向量，神经元数量为配准向量的维度；隐含层Ⅰ采用ReLu激活函数，隐含层Ⅱ采用tanh激活函数，由输出层输出配准点rv的配准动作；通过构建评价神经网络得到配准动作的函数值，所述评价神经网络包括输入层、隐含层和输出层；输入层的输入为配准点rv的配准向量和配准动作，由输出层输出配准动作的函数值。