海洋平台作为海洋开发过程中最重要的基础设施,具有较高的投资成本和操作成本,一旦发生重大事故将会造成重大的经济损失和不良的社会影响。因此,定期检查和在线监测就成为保证正常生产和安全操作的最有效的手段。钢制导管架海洋平台是目前海上油田使用最广泛的一种平台,管节点作为其最重要的组成部分,变形与裂纹扩展是导致其结构失效的重要机制。本文的研究目的是利用声发射技术监测裂纹发展过程,探索其发展规律,实现管节点裂纹的健康监测和裂纹发展状态的智能识别。声发射技术作为一种新型的无损检测手段,可以实现对缺陷的动态监测以及损伤状态的预测,通过在线监测,可以实现对裂纹发展过程的实时监控,有效的预防重大事故的发生。本文在理论研究的基础上,通过实验实时采集裂纹发展过程的声发射信号,提取不同阶段的信号特征;通过模拟疲劳断裂实验,建立不同裂纹状态下累积能量与振铃总数之间的拟合方程;将小波能量系数法运用到海洋平台管节点裂纹的声发射健康监测中,并基于BP神经网络实现了裂纹发展状态智能识别。首先,采用声发射技术实时在线监测管节点试件的裂纹发展过程,提取振铃计数、均方根值、能量值等特征参数的变化趋势,发现裂纹发展过程中所激发的声发射信号具有一定的周期性和间歇性,并且不同阶段产生的信号特征都具有各自的特点,对于裂纹状态的识别具有重要的指导意义。通过模拟疲劳裂纹实验,根据实验数据,提出了不同裂纹状态下,累积能量和振铃总数之间的拟合方程,为将来海洋平台健康监测和损伤预测提供理论基础。其次,探讨了常用小波函数的特点以及分解尺度的确定方法。根据实验中声发射信号特点,对信号进行五尺度小波分解,利用小波能量系数来表征不同阶段的信号特征,结果表明,裂纹发展激发的弹性波是由多种高频信号叠加而成,而且随着裂纹状态的不同而不断变化,而小波能量系数的变化与裂纹发展状态的变化是一致的,通过小波能量系数可以有效的识别裂纹发展状态。最后,本文采用三层BP神经网络,选用小波能量系数作为输入、裂纹发展的五种状态作为输出。通过试验,确定了最优的网络结构,利用所获得的样本信号进行训练、仿真,有效实现了裂纹状态的智能识别,准确识别率达到88%,达到了实验预期。本文研究成果对于推进海洋平台管节点裂纹的在线健康监测,提高监测过程的实时性、经济性和安全性,实现裂纹状态的智能识别具有重要意义和实用价值。