陈 健， 黄 丽 华， 曲 激 婷

( 大连理工大学 建设工程学部, 辽宁 大连 116024 )

0 引 言

纤维增强复合材料(fiber reinforced polymer，FRP)具有轻质高强、耐腐蚀、低磁性、抗疲劳等性能特点，在环境复杂的土木工程中使用具备得天独厚的优势，无论是现役结构的加固补强，还是直接作为混凝土中的受力构件，FRP筋已越来越多地用于工程实际中[1-2]．FRP筋与混凝土之间的黏结性能是影响FRP筋与混凝土结构的承载、变形和失效形式的关键因素．与传统钢筋的材料构成和加工方式不同，FRP筋属于正交各向异性材料，弹性模量低，抗剪性能差，通常采用多种表面设计和处理来提高界面黏结性能．近年来，针对FRP筋与混凝土界面的黏结性能，国内外学者提出了多个界面黏结滑移本构模型[3-6]．由于FRP筋与混凝土之间的黏结性能受FRP筋类型、表面形式、FRP筋直径、锚固长度、破坏模式、混凝土抗压强度和归一化的混凝土保护层厚度等多种因素的影响[7-10]，已有模型的适用性和计算精度均有较大局限性．

随着现代信息技术的飞速发展，大数据、人工智能等数据分析和识别技术越来越广泛地用于解决基础科学问题．近年来，人工神经网络(artificial neural network，ANN)和遗传规划(genetic programming，GP)等智能识别方法已应用于分析FRP筋与混凝土的界面力学性能问题[11-15]．Dahou等[16]收集了带肋钢筋拉拔试验数据，基于ANN模型预测界面黏结强度．Golafshani等[17]在2012年建立了ANN和模糊逻辑(FL)模型，整理了179组数据对混凝土与钢筋的黏结强度进行预测．在2015年，Golafshani等[18]研究了159组试验数据，包括缺口、铰接、拼接和……