声发射技术作为一种动态无损检测技术,较比于其他检测方法能够更为及时地检测出金属试件早期裂纹萌生并界定损伤程度,还能够对损伤位置提供定位。对于大型金属构件及设备的安全运行具有重要意义。本文基于声发射检测技术对45号钢试件进行声发射检测实验,采集了循环载荷条件下疲劳损伤声信号,并提出一系列创新性研究方法对不同损坏阶段的声信号进行研究。本文主要工作如下:（1）通过对声发射技术使用背景及实际意义探究,深刻认识到声发射检测技术作为一种实时动态检测技术的应用前景,并对声发射技术在国内外发展历史及研究现状进行总结。（2）通过对声发射技术基本原理、声发射检测技术特点、声信号基本特性、声信号及声发射源的基本类型的阐述,并分析了两种重要声信号处理方法及疲劳损伤声信号形成原因、特性及影响因素。展开了对45号钢试件循环载荷条件下疲劳损伤声信号采集实验。首先,根据试件特性选择所需设备及加载装置并按照实验要求对相关设备的参数和疲劳试验机加载方式进行设定。在实验方案指导下进行循环载荷条件下声信号采集实验。（3）通过对已有降噪方法充分研究提出一种基于变分模态分解和奇异值降噪联合消噪法,并将仿真模拟声信号和实测声信号采用小波阈值降噪和EMD降噪法进行对比验证。对比结果表明,无论是降噪效果图还是评价指标来看,本文提出新降噪法针对循环载荷条件下声信号具有更好降噪效果。（4）本文采用了时频域特征及VMD分解下的IMF分量对降噪后的声信号进行特征提取。处理结果表明,直接提取时频域特征并不能明显看出声信号损伤阶段。因此,本文采用基于平滑特征参量处理法。实验结果表明,经过平滑时频域特征能清楚看出试件损伤阶段。接下来,采用小波包与样本熵相结合的特征提取法,对不同工况加载条件不同预制缺陷试件及循环载荷条件下疲劳试件进行特征提取。通过一系列处理流程,进而找出样本熵大小变化与试件损伤程度之间关系。（5）采用BP神经网络损伤阶段模式识别方法可对恒定载荷和循环载荷条件下试件进行损伤阶段模式识别,并采用小波软阈值降噪处理数据和未降噪数据加以对比。从模式识别准确率曲线和损失函数曲线可看出采用本文降噪法处理数据对于损伤阶段的识别具有更高准确率。