【摘要】【目的】利用声发射（AE）技术对应力损伤全过程中的杨木胶合板进行无损检测，并利用BP神经网络对AE检测结果进行识别，以提高胶合板损伤检测精度。【方法】以市场占有量较高的托盘用杨木胶合板作为研究对象，在联合AE和应力损伤试验过程中，提取6个AE特征参数，利用声发射RA-AF联合分析法区分杨木胶合板产生裂纹的类型，采用K-均值聚类分析方法确定损伤演化程度和AE特征参数之间的对应关系，利用BP神经网络建立损伤识别模型，并对识别网络进行测试训练。【结果】AE信号幅度和上升时间可有效地表征杨木胶合板应力损伤从微裂纹萌生、产生宏观裂纹至完全断裂的损伤演化过程；通过RA-AF联合分析发现：杨木胶合板在应力损伤试验第一阶段主要为剪切破坏损伤，第二、三阶段主要为拉伸破坏损伤；通过K-均值聚类分析发现损伤类型与AE峰值频率之间的存在较强对应关系，可有效的表征不同的损伤类型：在31 kHz内为基体开裂，在31～100 kHz内为脱胶分层，大于100 kHz为纤维断裂；构建AE-BP神经网络模型对应力损伤类型训练样本的拟合优度是95.94%，测试集的拟合优度是98.89%，模型总拟合优度是96.51%，网络训练效果较好。【结论】在应力承载AE监测过程中，通过构建AE-BP模型，可对杨木胶合板产生的未知损伤进行有效检测并准确识别。