纤维增强复合材料因其轻质高强、易成型、可设计性强等优异性能已成为众多工程结构用材的首选。恶劣的服役环境和复杂的载荷工况给复合材料结构的长期稳定服役带来了巨大的挑战,故有必要发展非破坏性损伤探测技术和结构健康监测技术,其中声发射技术就具有这方面的发展潜力。基于声发射技术的复合材料损伤诊断与预测大多依赖于复杂的信号处理。因此,目前基于声发射的损伤识别研究仍存在许多挑战,关于声发射数据流的特征选择方法仍然缺乏,而基于声发射的损伤预测研究也相对匮乏。基于此,本文针对复合材料典型结构形式（铺层结构和胶粘结构）,开展了基于声发射响应特性的复合材料损伤分类与性能预测研究,主要研究内容和结论如下:（1）建立了复合材料胶接试样中声发射响应特性与损伤机制的对应关系。开展了不同人工激励声源的声发射特性试验研究,验证了试样尺度中线性定位的准确性。基于主成分分析、拉普拉斯评分和相关系数筛选了声发射特征,基于k-means++和CFSFDP聚类算法实现了复合材料双搭接试样的损伤模式识别,获得了聚类数、相似性度量准则、截止系数对CFSFDP算法识别结果的影响特性。（2）建立了基于小波包分解的声发射信号表征模型。利用余弦相似度和k-means++聚类算法实现了基于小波包能量比例的复合材料层合板的损伤模式识别,获得了湿热老化对损伤机制的声发射响应特性及损伤源定位的影响特性,基于信号在各频段的累积小波包能量分析了层合板的失效过程,探究了小波基函数选择对基于此信号表征模型的损伤模式识别和失效过程分析的影响。（3）发展了复合材料胶接试样中动态数据流的特征选择方法。引入了拉普拉斯评分和多集群特征选择方法并将其发展为适用于动态数据流的特征选择方法,分析了复合材料单搭接试样在拉伸载荷下产生信号的常规特征及小波包能量比例的实时评价结果,获得了常规特征和小波包分解特征的损伤表征作用,包括损伤模式识别、奇异信号检测以及损伤过程表征。（4）建立了基于动态数据流的铺层试样剩余承载能力预测模型。基于RRelief F算法和近邻成分分析实现了声发射特征的评价,基于卷积神经网络预测了端部含缺口的复合材料层合板在三点弯载荷下的剩余承载能力,探究了模型中时间窗长度对预测结果的影响特性。修正了梅尔倒谱分析方法并提取了对损伤过程敏感的特征,利用累积移动平均法建立了梅尔倒谱系数与层合板载荷/位移之间的关联关系,简化了基于卷积神经网络的层合板剩余承载能力预测模型。