声发射检测技术是一门新兴的多学科交叉的无损检测技术。本文针对木塑复合材料进行声发射无损检测,应用小波分析去除噪声,提取声发射信号特征信息,并应用人工神经网络模式识别,确定木塑复合材料缺陷及损伤的类型。首先,对木塑试件进行三点弯曲加载,采集声发射信号,结合断面的金相分析判断采集到的声发射信号所代表的缺陷或损伤的类型。金相分析表明一共有五类声发射信号:纤维断裂、界面分离、基材开裂、空洞和界面摩擦。其次,应用三种降噪方法:小波变换模极大值法、小波变换尺度间相关性法、小波包阈值收缩法处理五类声发射信号,比较降噪效果。结果表明小波包变换启发式阈值原则——硬阈值法最适合这五类信号的降噪,降噪后信号在光滑性和相似性上均最理想。再次,用小波包方法画出声发射信号时频图,分析五类声发射信号的时频分布差异。将声发射信号小波包分解后各叶子能量占信号总能量的比重作为声发射信号的特征量,以此建立神经网络输入样本集。最后,采用权值修正附加动量法建立一个三层的BP网络,并应用它对36组训练样本经过95437次学习训练,网络的最小期望误差达到0.001,表明该网络能对给定的输入输出进行正确的建模。检测35组测试样本,发现成功识别33组,识别正确率达到94.3%。这表明该人工神经网络的范化能力较高,设计结构合理,能达到自动识别声发射信号类别的目标,因而具有良好的推广价值。