日益增多的空间碎片严重威胁到航天器的运行安全。以空间站为代表的大型航天器,具有尺寸大、在轨时间长的特点,从而更易受到空间碎片的撞击,因此,有必要建立在轨感知系统,实时监测航天器遭受碎片撞击的情况。目前,在轨感知系统的撞击判别和撞击源定位两大模块已成功运用于工程实际中,而损伤识别模块则尚未得到工程化应用,除信号特征难以准确提取、算法可靠性低等因素外,损伤识别范围小也是重要原因之一。目前对于损伤识别的研究,其靶板尺寸大多在600mm以下,远小于实际传感器的布局间距。基于上述背景,本文针对尺寸为2000×500×2.5mm铝合金平板和加筋板,以Φ3.2mm球形弹丸对两种壁板进行正撞击,对声发射信号的获取与处理、信号损伤特征参数的分析和选取以及稀疏传感网络布局下的损伤识别问题进行了研究。首先,提取多种特征参数来增强稀疏传感网络下的损伤识别效果。通过数值模拟和超高速撞击实验获取声发射信号,运用模态声发射、小波分解和小波包分解三种方法,从幅值和能量两个角度选取信号的多种损伤特征参数,如S0模态波峰和波谷值、小波包分解成分的频带能量占比等。将多种特征参数进行组合,以增强远距离下特征参数对于损伤模式分类的准确性。其次,建立卷积神经网络,实现了稀疏传感网络布局下的撞击损伤识别。基于数值模拟信号,在150～1710mm的距离范围内,对平板和加筋板的成坑/穿孔、成坑深度、穿孔直径三种损伤模式进行识别。结果表明,对于平板,三种损伤类型的识别准确率分别为99%、97%和80%以上;对于铝合金加筋板,识别准确率分别为97%、92%和75%以上。最后,基于超高速撞击实验数据,验证了卷积网络在不同距离下的的损伤识别能力。针对平板和加筋板,分别进行3次训练和验证,结果表明,对于两种壁板,识别准确率均可达到86.67%以上,其误判样本均分布于穿孔损伤对应的速度上,这说明卷积网络对成坑/穿孔的识别准确率较高,而对穿孔直径的识别准确率较低,这与仿真中的结果相对应;平板的误判样本多分布于较远距离下,加筋板的误判样本在各个距离下均有所分布。本文研究成果对于实现大型航天器表面遭受空间碎片撞击的损伤识别具有一定的借鉴意义和参考价值。