针对大型起重机械声发射波传播机理，结合有限元分析对声发射波在起重机用Q235B钢材及其结构中的传播特性进行了理论和实验研究，结果表明，不同声发射激励方式下，Q235B薄板中会产生不同模式的声发射波，其传播速度、幅度以及频率特性在传播过程中存在明显差异，且会受到裂纹等静态缺陷的影响；而在Q235B箱形梁中，随传播距离的增加，声发射信号幅度逐渐降低，源信号所具有的快速衰减特性逐渐消失，且波的频散现象越发明显，突发型声发射信号逐渐蜕变成连续型信号。 针对声发射信号处理及特征提取方法，考虑到声发射信号的非平稳特性以及现场检测时存在的噪声干扰问题，应用谱分析、小波分析以及改进的集合经验模式分解（EEMD-Fast-ICA）等现代信号处理方法获得了断铅信号、腐蚀声发射信号、摩擦信号、典型电磁干扰信号的特征，在此基础上，利用FastICA和TF-BSS算法实现了腐蚀、敲击、摩擦等线性混合信号的盲源分离，可用于现场检测声发射信号的噪声剔除，有效提高检测结果的可靠性。 结合门机承载过程中其金属结构的应力分布状态及声发射波传播特性，确定了声发射检测传感器布置的基本原则，即起重机应力集中或较大区域应布置传感器进行局部监测、箱形梁监测时，应优先在腹板中布置监测传感器，同时箱形梁各板件需同时布置传感器以实现对不同板件的监测、此外，考虑到AE信号传播时的反射、散射、相互干涉及频散现象，需要综合多个传感器所采集的信号才能对损伤状态做出识别，因此建议主梁监测传感器至少应等间距布置3枚传感器。 针对大型起重机械声发射源定位，提出了基于声发射层析成像的可视化定位方法，包括ART算法及SART算法。通过断铅信号激励，进行缺陷定位实验，结果表明两种算法均可获得缺陷的实际位置。此外，将声发射层析成像方法拓展应用于各向异性材料、不同组分（不含/含钢筋）混凝土结构声发射源定位研究，并通过实验在两种不同组分的样本中进行验证，结果表明该方法相对于传统定位算法，具有更高的定位精度。 结合实际应用需求，开发了声发射检测软件，实现了声发射信号的分析及源定位，在此基础上，提出了基于声发射和神经网络的安全评估方法，并针对起重机、储罐制定了制定了《起重机声发射检测标准（初步）》以及《常压储罐声发射在线检测工艺》。 2100433B