随着传统能源的日益消耗，新能源-风能得以迅速发展，而风力发电机组的正常高效运行是保证风能得以广泛应用的基础。风机叶片是风力发电机组中的关键结构部分，为了防止风机叶片在运行状态下发生故障而避免出现事故，所以对风机叶片的破坏机理和损伤源模式进行研究具有重要的意义。根据相关文献了解到在基于声发射技术的复合材料结构健康监测中经常面临的两个难题是：1.结构中不同的损伤源产生的损伤信号在传播过程中会出现相互混合和叠加的现象;2.声发射信号会含有大量的背景噪声源。作者在此做了相应的研究工作，力求能够获得风机叶片在运行状态时的单一损伤源状态的特征信息，从而为其故障判定提供一定的理论依据。开展的主要工作如下:1.针对于目前市场上的风机叶片大多是采用玻璃纤维型复合材料制成的，所以参考文献设计了一定尺寸的风机叶片复合材料试件，试件的制作严格按照实际叶片的铺层、纤维的数量进行。通过实验平台对试件进行加载直至破坏撕裂，采集到整个过程中的声发射信号。2.在实验条件下采集到声发射信号，研究了相应的信号降噪技术。通过仿真实例分析了小波变换模极大值降噪技术和小波阈值降噪技术两种方法的效果，最后利用该两种降噪方案对实际采集到的风机叶片试件的声发射信号进行降噪处理，对比两者的降噪效果，最后选取了基于penalty阈值策略的小波阈值降噪技术对信号进行了降噪预处理。3.考虑到复合材料破坏过程中产生的声发射信号多类型、多模态的特点，本文采用了基于独立成分分析的盲源分离技术对声发射源信号进行了独立分量分离。应用快速ICA算法的Matlab程序将采集到的声发射信号分离出来了两种独立成分。4.利用Matlab编程对分离后的独立成分分量进行特征信息的提取，通过对声发射信号的振铃数、能量、持续时间、幅值和频谱等特征信息的分析，结合模态声发射技术对独立成分的损伤状态进行辨识。结果表明，利用盲源分离技术可以对采集到的风机叶片混叠声发射源信号进行源模式分离，并且通过对可听域内的声发射信号分析可知，玻璃纤维型风机叶片复合材料试件的损伤源出现了基体开裂、界面脱胶、分层与纤维断裂四种模式，该四种损伤源模式分别对应着不同的声发射特征参数特征和频谱特征。