作为一种清洁环保的可再生能源,风能越来越受到世界各国的关注。风电叶片是风力发电系统中的重要装备,诸如玻璃纤维增强环氧树脂基复合材料由于具有比强度和比刚度高、耐疲劳性能良好等优点,已在风电叶片上获得了广泛应用,然而,复合材料叶片中的损伤失效机理非常复杂,通常包括纤维断裂、基体开裂、界面分离、分层失效及胶接失效等失效模式,其中分层和胶接失效将严重降低复合材料刚度、强度和结构完整性。风电叶片的服役环境是非常复杂的,主要是疲劳载荷工况,从设计层面来说,叶片疲劳性能的研究是非常关键的,对于准确预测结构的损伤容限和疲劳寿命提出了挑战。国内外已经开展大量基于声发射技术的复合材料损伤失效机理研究,然而绝大部分研究仅限于材料层次,对于全尺寸风电叶片结构的声发射缺陷监测与损伤模式辨识的工作很少,迫切需要开展相关应用基础研究。为此,本文首先开展了动态加载下复合材料层合板单偏腿弯曲分层裂纹扩展行为的研究,通过分析声发射参数(包括幅值和能量)的响应规律,研究了不同加载速率下分层裂纹扩展行为和断裂模式的规律;之后开展了拉-拉疲劳载荷下复合材料试样的声发射测试研究,对声发射信号进行降噪处理后,完成对复合材料试样实时缺陷的线定位,并验证了利用峰值频率来进行损伤模式识别方法的可行性;最后,开展了疲劳载荷下玻璃纤维/环氧树脂基复合材料全尺寸风电叶片的声发射测试研究,完成对风电叶片实时缺陷的矩形平面定位,提取幅值、峰值频率等声发射信号参数并对其进行降维及聚类。由于单纯利用聚类的结果分析辨识叶片中的损伤模式的方法存在准确度较低等问题,本文发展了双传感器平面定位点信息匹配声发射源信号聚类结果的方法来优化数据集,在此基础上建立基于梯度提升决策树算法的损伤模式识别模型,结果表明该模型能够更加准确、高效辨识复合材料风电叶片内声发射源的损伤模式。研究工作推动了声发射技术在复合材料及全尺寸风电叶片上的应用,为全尺寸风电叶片的监测、声发射源定位和损伤模式识别提供有力的理论与技术支撑。