纤维增强复合材料（Fiber Reinforced Polymer/Plastic,FRP）与传统金属材料相比,具有强度高、刚度大、可设计性强、质量轻、耐腐蚀等诸多优点,广泛应用于航天工程、汽车工程、土木工程等重要工程领域。玻璃纤维增强复合材料（GFRP）因成本较低,成为被广泛应用的FRP材料之一,如被用于制作大型风电叶片。复合材料在工程应用中,所受荷载情况十分复杂,尤其在实际服役过程中,FRP结构通常会承受交变载荷的反复作用,疲劳问题十分突出。随着结构中疲劳损伤逐渐累积,结构的刚度和强度逐渐下降,这将严重影响FRP结构的使用安全性和服役寿命。同时,疲劳过程中刚度的降低会使结构的固有频率发生衰减,因此,本文将通过跟踪疲劳过程中GFRP梁结构的频率变化,研究其剩余疲劳寿命与频率之间的相关性,然后进一步利用这种相关性尝试通过频率变化值对GFRP结构的剩余疲劳寿命进行定量评估。课题结合了试验研究,仿真模拟,智能算法等手段或工具,发展了基于频率变化预测GFRP结构的剩余疲劳寿命的方法并进行了数值和试验双重验证。特别的,在仿真模拟中,GFRP结构的单元材料属性采用了正态分布参数,以精细化模拟由于初始缺陷、杂质、表面损坏等引起的FRP复合材料中常见的材料参数离散性。概括起来,本文主要研究内容和结论如下:1)对铺层角度为[45/-45/45/-45/45/-45/45]S的GFRP梁在不同应力水平下进行拉-拉疲劳试验和模态测试,得到其对数疲劳寿命与疲劳应力水平基本呈线性关系,而且随着应力水平降低,层合梁的疲劳寿命离散性越大。疲劳过程的频率随循环荷载次数的增加而下降,其衰减曲线与常见的剩余刚度曲线下降趋势一致,而且高阶频率比低阶频率的下降幅度要大。2)构建GFRP的疲劳分析模型,为模型单元分别赋予均一材料参数和正态分布的随机材料参数,并基于Abaqus与Umat子程序实现了疲劳过程的多种失效模式。仿真结果表明,材料参数的随机分布会影响疲劳模拟过程中损伤发生的初始位置以及之后损伤的扩展路径,因此会影响GFRP结构最终的模拟疲劳寿命,使模型结果展现出与试验结果类似的离散性。3)依据GFRP梁试件的尺寸和材料属性,进行了三种应力水平下的疲劳寿命模拟,试验和仿真结果吻合很好,对数疲劳寿命的相对误差在3%以内。进一步对特定应力水平下疲劳后的GFRP梁进行模态分析得到仿真频率,与实验中疲劳过程的实测模态频率对比后发现,模拟的1-6阶仿真频率与实验结果吻合较好。4)基于人工神经网络（BPNN）、决策树算法、随机森林算法三种机器学习算法,构建基于频率预测GFRP层合梁剩余疲劳寿命的预测模型。由于存在多阶频率,采用不同的频率组合对疲劳寿命进行了预测,并采用实验案例和仿真案例检验和对比了三种算法预测疲劳寿命的准确性。数值案例验证结果表明,3种算法在误差和拟合优度的表现上都差不多,表明在没有误差存在的情况下,3种算法理论上都可以用来预测疲劳寿命。试验案例验证结果表明,采用了第一阶频率的组合来预测疲劳寿命最不准确,这可能是因为第一阶频率的测量误差较大,因此最好不用于预测疲劳寿命。对比三种算法在数值和试验验证中的预测结果,人工神经网络整体来说预测准确度比其他两种算法都要好。