随着社会经济的发展,钢筋混凝土结构在各类工程建筑中被大量使用,但因钢筋锈蚀而引发的安全问题和经济损失引起社会的广泛关注。FRP筋作为钢筋的替代品具有轻质高强、耐腐蚀等优点,应用前景非常广泛。FRP筋和混凝土要想充分发挥各自在结构中的性能,就需要他们之间具有良好的粘结性能以保证较好的协同工作。主要通过FRP筋与混凝土间的粘结强度和粘结滑移曲线两个方面来衡量二者之间的粘结性能,其中国内外关于FRP筋与混凝土间粘结强度的研究大多是基于常温条件下进行的,高温作用下的FRP筋与混凝土间粘结强度的研究相对较少。因此本文将针对FRP筋与混凝土间的粘结滑移曲线和粘结强度两个方面,结合近年来在各个领域应用广泛表现亮眼的人工神经网络方法对FRP筋与混凝土间粘结性能的进行系统性研究,论文的主要研究内容和结论如下:（1）总结和分析国内外现有的FRP筋与混凝土结构粘结性能研究成果,从粘结应力的组成和粘结破坏的形式两个方面对FRP筋与混凝土间的粘结机理进行系统的阐述,此外,还总结了FRP筋与混凝土之间的粘结性能影响因素。对现有Mavlar模型、BPE模型、连续型模型等10种粘结滑移本构关系进行总结分析,为本文提出新的粘结滑移本构关系奠定理论基础。（2）基于45组考虑筋直径、试验加载速率以及表面形式等因素的GFRP筋混凝土拉拔试验数据,提出了一种新的FRP筋与混凝土粘结滑移本构模型,该模型曲线包含微滑移段、上升段、下降段和残余段,其中微滑移段采用线性方程表示,上升段采用Weibull Model曲线方程表示,下降段采用BPE模型中的线性段,残余段的粘结应力值保持不变。利用课题组和相关文献中FRP筋混凝土拉拔试验数据对新的模型进行拟合验证,同时还与一些常用的进行对比,发现该模型能够很好的拟合试验数据,精度也完全满足要求。（3）基于现有文献中的试验数据,建立了292组常温条件下FRP筋混凝土拉拔试验的数据库,其中242组数据用于训练,50组数据用于仿真预测,利用人工神经网络对FRP筋与混凝土之间的粘结强度进行预测。利用反向传播算法训练了一个3层人工神经网络模型,该模型的输入层包括7个参数: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。输出层为FRP筋混凝土界面粘结强度。结果表明,BP神经网络模型具有良好的预测和泛化能力,预测误差较小,并且能够综合考虑众多FRP筋混凝土界面粘结强度的影响因素,给出精确的预测结果。（4）基于现有文献中的试验数据,建立了151组高温作用下FRP筋混凝土拉拔试验的数据库,其中140组数据用于训练,11组用于预测。相较于常温条件下的预测模型,高温下的预测模型输入层多了一个温度变量,利用试验数据对人工神经网络模型进行训练,建立界面粘结强度预测模型,并将模型预测值与试验数据和相应的数学模型计算结果进行对比,验证该模型在预测FRP筋混凝土界面粘结强度的有效性。