风力机叶片是风力机组关键部件，由于叶片长期露天工作在恶劣的环境下，难以避免受到冰冻、阵风等自然因素的破坏以及长时间运行产生的疲劳裂纹等故障隐患。因此，为避免由叶片故障导致的巨额经济损失，对叶片损伤进行及时有效地识别诊断显得尤为重要。　　 首先，建立了风力机组有限元模型，从重量、静强度与固有特性三个方面验证有限元模型的合理性。建立单叶片流场和叶轮流场，计算分析单叶片、整机组叶片在流体环境下和无流体环境下的固有特性，并对叶片振型进行了总结，找出来叶片容易发生损伤的3个关键点。模拟流场时选择阵风函数并考虑空气湍流作用进行了流体动力学计算，将得到的单叶片与叶轮的瞬态风压力分别加载到单叶片、叶轮结构表面进行瞬态响应分析。通过单叶片剪应力与机组叶片拉应力响应分别验证对应流场模型具有一定的合理性。　　 其次，进行叶片点与机舱点的加速度频域响应非线性动态特性分析，得到频域响应主要特征频率。在流体环境下的机组叶片关键点设置偏心质量和刚度损伤故障，对正常状态下与故障状态下的叶片点与机舱点的加速度频响特性进行分析比较，为叶片损伤识别提供依据。　　 再次，建立四种基于BP神经网络的叶片故障识别模型。分别提取叶片故障状态下叶片点与机舱点的加速度频响特征量作为诊断指标，依据损伤识别模型的顺序，分别基于叶片点与机舱点的加速度频响特征量，判断故障叶片、识别故障类型、定位故障位置以及预测故障程度。　　 研究结果表明，分别基于叶片点与机舱点的加速度频响特征量，按照叶片故障识别模型顺序，能够有效地对叶片不同位置的质量偏心和刚度损伤进行识别、定位，这将为风力机叶片的在线监测提供依据。