耐火材料是保障高温设备安全运行的关键，其微观损伤模式识别一直是研究的重点。本文采用声发射技术监测耐火材料三点弯曲损伤试验过程，综合运用声发射参量分析方法和K均值聚类方法为耐火材料损伤分类提供试验样本数据库，最后运用BP人工神经网络对耐火材料的损伤类型和损伤程度进行识别和预测。本文所做的主要工作总结如下：（1）采用示差高温应力应变试验机HMOR/STRAIN和美国PAC公司的DISP声发射采集系统完成了耐火材料三点弯曲试验过程中的声发射信号采集，结合耐火材料微观损伤理论得到材料两种损伤类型：基质损伤和界面损伤。（2）综合运用声发射参量分析和聚类分析技术对耐火材料三点弯曲试验过程中的声发射信号分析，得到每类损伤的声发射特征，此特征可为人工神经网络模式识别系统建立样本数据库。（3）利用幅度、振铃计数、上升时间、持续时间和质心频率等声发射特征参数建立了基于BP神经网络的耐火材料模式识别系统，实现了耐火材料损伤模式识别。BP神经网络对材料损伤类型的总识别率高达95%，并且对损伤程度的预测误差相对较小，最大预测误差不足0.2。该方法在耐火材料微观损伤类型的识别和损伤程度的识别方面具有推广应用的价值。