随着能源危机和环境破坏的进一步加剧,寻求新型的可再生能源成为世界各国的共识。对风力发电,风电叶片是获取风能的关键部件。受条件的约束,风电叶片常出现脱胶、分层、纤维断裂等缺陷。在服役过程中,具有上述缺陷的风电叶片在应力作用下常发生失效造成重大经济损失。因此,深入研究风电叶片的损伤过程并对风电叶片的运行状态进行预测对确保风力机组的长期可靠运行具有重要意义。声发射技术是一种新的无损检测方法,能够实现被检构件的服役过程动态监测。因此被广泛应用于风电叶片的健康状况动态监测。基于国内外风电叶片研究的基础,本文尝试将声发射技术应用于风电叶片的疲劳过程动态监测。主要研究内容包括:风电叶片复合材料声发射源的Lamb波源定位研究、风电叶片不同缺陷的声发射信号特征建立、类型判别、以及全尺寸风电叶片的疲劳过程动态监测等。结果表明:作用于风电叶片薄板结构的应力方向不同,将产生不同频率,不同声速的应力波。垂直应力主要激发出弯曲波,此波波速较低,幅值衰减较快,频率主要集中于50k Hz左右;平行应力主要激发出扩展波,此波波速较高,幅值衰减较慢,频率主要集中于150k Hz左右。扩展波无频散效应且衰减较慢,因此更加适合叶片薄板结构声发射源定位。之后,通过将变分模态能量熵结合BP神经网络对风电叶片不同缺陷类型进行模式识别,识别正确率高达90%,实现了风电叶片不同缺陷类型的较准确识别,在一定意义上表明变分模态能量熵结合BP神经网络的风电叶片缺陷诊断方法具有一定的应用参考价值。最后,通过动态监测全尺寸风电叶片疲劳过程发现:随着疲劳次数的增加,风电叶片出现疲劳破坏效应具有特定区域性,不同疲劳阶段破坏的情况有所不同。实验中疲劳振动次数达到10万次时,风电叶片有少量基体微裂纹产生;达到50万次时,风电叶片出现微裂纹扩展现象,声发射信号频率主要集中在30k Hz左右,达到100万次时,风电叶片内部出现轻微疲劳,基体微小开裂兼具和少量脱粘、声发射信号频率开始向100k Hz及150k Hz发生转移;达到150万次时,风电叶片疲劳出现加快,表现为风电叶片表面基体开裂、风电叶片分层以及微观纤维拔出等现象,主要频率集中于60k Hz及300k Hz,且频率有明显向高频转移产生;当达到200万次时,风电叶片疲劳进一步加剧,表现为风电叶片表面严重的基体开裂,分层和一定范围内的纤维断裂等。由此可见,上述研究不但为风电叶片的疲劳损伤监测提供了一种研究方法,也为风电叶片结构的改善提供了参考依据。