由于复合材料层合板(Fiber-metal-laminates)具有优异的抗疲劳和冲击力学性能，它已被广泛用于机身蒙皮等大型结构。由于生产方面的原因，层合板金属层中不可避免地存在接缝。实验表明，带接缝层合板的破坏往往起始于接缝处界面层的分层损伤和破坏，研究复合材料的界面力学行为对复合材料结构安全性评价非常必要。结合界面力学模型，可以对复合材料层合板的分层损伤进行数值模拟，但是针对实际结构如何给出合理的界面参数仍然存在困难，这是因为单一的实验测试往往不能准确的获得这些界面力学性能参数。本文基于复合材料层合板的实验结果，利用能够模拟复合材料分层破坏的界面有限元模型，将实验与数值计算相结合，通过反问题求解技术反演表征复合材料界面力学性能的参数。本文首先采用界面单元，结合双线性内聚力界面本构模型，对双接缝、单接缝和非对称接缝三种形式层合板的界面损伤进行了数值模拟。研究表明，在无需预制裂纹的情况下,界面单元能够有效地模拟层合板接缝处分层的起始和沿界面层扩展的破坏过程。模拟结果发现界面强度和韧性参数是影响层合板力学响应的主要因素。其次，基于实验给出的层合板非线性力学响应，结合界面分层的有限元数值模拟，分别采用改进的遗传算法和径向基函数（RBF）神经网络两种典型的人工智能优化算法定量地反演出了该层合板的界面特征参数。在改进的遗传算法中本文增加了最优保存策略，并在进化过程中不断增大变异概率，避免识别过程过早收敛。为了克服遗传算法计算量庞大的困难，本文还采用三种不同的函数设计的径向基函数（RBF）神经网络对界面参数进行识别。结果表明，广义的RBF函数神经网络对于本文的非线性问题有很强的泛化能力，它反演得到的层合板的界面参数与遗传算法的结果相当接近。最后采用该界面参数对层合板的分层破坏行为及层间应力进行了进一步分析讨论，结果表明，采用基于实验的杂交反演方法能够有效地研究复合材料层合板的界面力学性能。