在加快我国能源战略绿色低碳发展的进程中,风力机作为风力发电的主要生产工具,发挥着推动能源体系转型升级的重要支撑作用。其中,叶片是捕风储能的直接部件,其安全状态影响着风力机的发电效率和服役寿命,探索运营状态下叶片监测方法是风力机安全高效运行的有力保障。数字图像相关（Digital Image Correlation,DIC）监测方法是近年来研发的一种非接触式动态测量新技术,具有全场、远程测量等诸多优势,但针对大尺度旋转叶片的变形测试,该技术存在匹配失效的致命问题,阻碍了其在叶片运转状态下变形监测和安全状态评估的应用。鉴于此,在分析叶片旋转状态的运动特点和叶片典型损伤成因的基础上,本文建立了一套适用于旋转叶片的高精度全场变形测试方法,依据叶片表面异常变形特征提出了基于相对应变场的损伤识别方法,并通过实验验证所提方法的适用性,为风力机叶片的安全运行开辟有效途径。本文主要研究工作与结论如下:（1）为提高DIC测试精度,研制了一套DIC全场变形解算方法。采用零均值归一化的最小平方距离相关函数进行像素点匹配,使用双三次样条插值实现亚像素位置重构,并结合逆向组合高斯牛顿算法进行亚像素位移配准。数值散斑模拟结果表明,本文方法的位移测量均值误差比较现有DIC方法最高降低42%,标准误差降低50%,并且对噪声的鲁棒性更强。（2）针对传统DIC方法在叶片发生大尺度旋转后参数估计收敛速度慢、精度低的问题,提出了基于特征检测的大尺度旋转匹配改进算法。首先,基于环形模板建立匹配图像的特征相似度评价标准;其次,提出刚体旋转补偿方法检验图像匹配精度;最后,通过迭代优化方式最小化变形参数估计误差。数值散斑模拟结果表明,所提方法能够有效解算叶片任意旋转角度下的位移,其参数估计效率较传统算法提高3倍,旋转位移测量误差保持在0.0001像素级。实验室旋转平台实验表明,所提方法测量精度较传统方法提升约10倍。（3）针对DIC方法较难实现运营状态下风力机叶片损伤识别问题,提出基于相对应变场的叶片损伤识别方法。首先,采用所提刚体旋转补偿策略从大尺度旋转位移中分离出叶片变形分量,结合变形初值传递方法获取旋转叶片全场应变;其次,分析叶片损伤区域的异常应变特征并初步判断损伤位置;最后,通过应变曲线的异常峰值实现损伤的精准定位和相对程度辨识。数值散斑模拟表明,所提方法的全场测量误差在复杂大变形下不超过0.068像素,其均方根误差仅为传统DIC方法的1/4,并能准确识别叶片在旋转状态下裂纹扩展时的动态应变,进而有效识别损伤位置和相对变化。（4）开展了风力机叶片模型损伤识别实验。在实验室搭建了三叶片风力机实验系统,在单叶片上通过人造裂纹模拟损伤,采用（2）中所提大尺度旋转匹配改进算法计算旋转叶片实时动态位移,结合（3）中所提叶片损伤识别方法分析带损叶片在损伤区域的受力特点和异常变形特征,依据运转状态下叶片表面的相对应变场判别损伤。实验表明,通过与应变片对比,所提算法能够有效判别叶片的损伤并能实现损伤的精准定位。风力机模型旋转实验表明,所提方法的损伤定位误差约为1mm,验证了本文所提算法在叶片旋转状态下损伤识别的可行性。