风电叶片是由玻璃纤维复合材料以及减轻重量的Balsa木和PVC泡沫板制作而成,也是风力发电机组中主要的承力结构。风电叶片长期受风力交变疲劳载荷,富含树脂区域易出现损伤,且遭受雷雨、大风、沙尘暴等侵蚀,表面难免会出现孔洞、沙眼等缺陷。如未及时发现,扩展后将出现更为严重的损害,轻则减少服役寿命,重则停工维修。叶片由于其复杂的结构和大尺寸,且服役状态下一般检测方式难以进行,目前急需一种无损检测方法对叶片的损伤机理进行研究,为叶片的服役健康提供保障。本文采用声发射技术对风电叶片损伤失效过程进行实时监测,并利用聚类分析,频谱分析以及小波包变换等先进数据分析方法对叶片损伤模式进行识别。利用监测的数据对大型叶片提出一套损伤监测方案,及时对损伤进行预警,取得的主要结果如下:第一,制作了单组分的环氧树脂、纤维束试样、多组分的不同铺层(0°、90°、45°)方向玻璃纤维试样以及小型叶片预制裂纹试样,并对其损伤进行AE检测。得出树脂断裂和纤维断裂AE信号的频带范围分别为0 MHz-0.06 MHz,0.06 MHz-0.12MHz。对45°层合板试样和小型风机试样进行k-means聚类分析找出损伤类型个数以及最佳表征参量,利用频谱分析得出:除了前两种损伤模式外还出现两种新的频带范围分别为0.25 MHz-0.32 MHz和0.12 MHz-0.19 MHz的分层扩展、纤维抽拔损伤信号。第二,利用小波包分析对风电叶片损伤模式进行识别,根据频谱分析的结果选择分解尺度后对其进行小波包变换分析不同损伤模式的时频特性,引用小波包能谱系数对四种损伤模式进行识别,得出不同铺层试样和小型叶片损伤演化过程,发现90°试样以基体断裂为主,0°试样以纤维断裂为主,45°试样损伤过程中出现了分层扩展,小型叶片除了前三种损伤,还出现了纤维抽拔。第三,对大型叶片疲劳过程进行AE监测,即无损伤的疲劳初期,微小损伤的疲劳中期,有明显损伤的疲劳后期,对采集到的信号首先应用EMD-Wavelet阈值相结合的方式对监测到的AE信号进行降噪,对降噪后的信号进行幅值和小波包分析,发现疲劳前中期平均幅值计数相差不大,疲劳后期幅值计数急剧增大。小波包能谱系数表明,前期无损伤信号,中期有基体纤维断裂和少量纤维抽拔信号,后期出现分层扩展信号。利用所得到的成果和数据设计出基于幅值计数以及小波包能谱相结合的损伤监测系统,对损伤的出现进行预警。