摘要：碳纖維復合材料在拉伸損傷試驗中,會產生大量的聲發射信號。對聲發射信號的數據進行了分析,找出了碳纖維復合材料的損傷演變規律。對數據進行聚類分析,將數據分成由類似對象組成的多個簇,找出簇與損傷之間的對應關系。通過對聚類后數據進行建模,得到碳纖維復合材料拉伸損傷識別模型。由于聲發射信號的特征是一個多維向量,特征之間存在一定的關聯,為了提高建模速度,需要對數據進行降維,以選擇主要影響因素的特征。為此,采用遺傳算法對數據進行降維,去掉冗余的特征,而保留主要的特征。最后將處理前后數據分別代入到BP神經網絡,對其進行損傷識別。試驗結果表明:采用遺傳算法優化對數據進行降維,其建模時間更短,識別效率更優。