随着可再生能源的开发与应用,风能以其资源丰富、分布广泛以及对环境影响小等特点,已成为世界各国的主要能源之一,风电技术也日趋成熟。叶片作为风电机组的重要组成部分,在恶劣的自然环境中很容易发生损伤,且由于各种因素的影响,不能及时有效地对叶片的损伤进行识别。叶片损坏将对风电场造成严重的经济损失,也对风力发电机的安全运行构成了很大的威胁。因此,研究叶片在常见损伤类型下的损伤诊断方法具有重要意义。本文在分析叶片常用损伤识别方法的基础上,对基于振动检测技术以及计算智能技术等关键技术应用于叶片的结构损伤识别进行了深入的研究。首先,分析介绍了叶片基本结构、常见损伤类型以及现有叶片损伤识别的常用方法,为后续叶片有限元模型的建立以及损伤诊断方法的合理选取进行必要的理论准备。其次,根据叶片在实际环境中的运行特点,将其转换为与实际结构相近的悬臂梁模型,并以2MW风机叶片为研究对象,在ANSYS中创建其有限元模型,计算叶片损伤前后的模态参数值,并采用基于振动特性的损伤识别方法对叶片的损伤进行定位。然后,将叶片的损伤识别问题转化为目标函数优化的数学问题,分别采用常用的遗传算法和果蝇算法对叶片的损伤进行识别,并针对果蝇算法在识别精度方面的不足,对算法进行了改进。通过叶片单损伤和多损伤的数值仿真结果表明,改进后的方法对叶片不同损伤工况的识别精度都有明显提高。最后,搭建叶片振动检测系统的实验平台,通过开裂纹的方式对叶片的裂纹损伤进行模拟,并采用运行模态分析技术对小型叶片损伤前后的模态参数进行求取,然后采用上述方法对叶片的损伤进行识别,从而证明该方法用于叶片损伤识别的有效性。