本文以纤维增强树脂基复合材料(FRP)加筋板为研究对象,通过对比分层损伤发生前后FRP加筋板的振动频率变化,来识别FRP加筋板中的分层损伤。构建了人工神经网络(ANN)和基于有代理模型的优化算法(SAO)两种逆向检测算法以利用FRP加筋板在损伤前后发生的一系列频率变化值来逆推出FRP加筋板中的分层位置和大小。分别采用数值验证和实验验证来双重检验两种算法的识别精度和效率。数值验证结果表明:两种逆向检测算法对分层损伤位置和大小的识别,其最大误差分别是5.04%(ANN)和5.24%(SAO),证明方法在理论上可行。实验验证结果表明:ANN在使用实测频率数据进行识别时预测精度很差,无法得到有效的分层损伤信息;而采用SAO可以较好地预测试件中的分层损伤,且对分层大小的预测比对分层位置的预测精度更高,其中,对贯穿损伤和底板损伤的大小预测误差分别不超过2.05%和8.85%,而四个试件中有两个试件预测的分层与实际的损伤部位存在重合(重合率分别为34%和32.65%)。因此,当前提出的ANN和SAO在理论上可行,但实际应用时都会不同程度受到实测数据误差的影响,相比ANN而言,SAO算法有更好的鲁棒性,在采用实测频率时也可以较为准确地预测出试件中的分层损伤。