在机械工程和航空航天等领域应用的机械产品和设备中,其关键零部件经常受到热、力等交变载荷的作用,容易发生磨损、断裂和疲劳破坏,导致产品在有效寿命期内过早的报废。为了确保设备的安全可靠性,发展结构健康监测技术是很有必要的。本文采用数值模拟与实验相结合的方式对铝合金材料疲劳裂纹扩展过程进行了研究,提出了基于模型的反数据算法对裂纹长度的模式识别,以及利用粒子滤波算法对裂纹结构的剩余寿命进行预测。首先,通过ABAQUS有限元分析软件对结构疲劳裂纹扩展过程进行了仿真研究。利用ABAQUS软件对铝板试件进行了有限元建模分析,得到了模型应力分布云图,优化传感器布置;在ABAQUS平台下利用PYTHON脚本语言进行建模分析,实现裂纹连续扩展过程。通过仿真发现裂纹两侧位置由于受拉应力作用,应变变化趋势基本一致,随循环次数的增长应变不断增大,而裂纹尖端则由于受压应力的作用,应变随循环次数的增大不断减小;得到裂纹扩展过程中随着循环次数的增加应力强度因子以及传感器位置处的应变数据;通过Paris公式得到扩展过程中裂纹长度与循环次数、应变与循环次数的函数关系。其次,搭建了疲劳裂纹扩展在线监测实验平台,对疲劳裂纹的扩展过程进行实验研究。通过应变传感器采集裂纹扩展过程中的应变数据,对仿真结果进行验证;得到各个试件裂纹长度与循环次数曲线,以及各传感器应变与循环次数曲线。最后,将仿真和实验所得的曲线进行拟合,分别得到仿真和实验的应变与裂纹长度的拟合曲线;利用基于模型的反数据算法对对仿真和实验数据进行了融合,得出了应变数据对应的每种模式,实现了对裂纹长度的模式识别;通过粒子滤波算法对结构剩余寿命进行了预测,预测结果准确度比较高。