随着计算机技术的发展,产品开发过程也发生着巨大的变化。如今人们可以通过计算机构建样机的虚拟模型,并在虚拟环境中实现样机的各种实验,这不仅省去了样机的制作成本,还可极大提升产品的开发效率。然而,在构建波轮洗衣机的虚拟模型时,由于液体平衡环内部的流体往往处于动态变化过程中,根据洗衣机不同的转速流体会呈现出不同的分布状态,且在低转速时更是出现杂乱无序的现象,具有高度的非线性性,这就使得在使用传统有限元方法构建平衡环模型时模型的复杂度较高,大大降低了模型的解算效率,且其精度不易控制。尽管也有将流体近似为多个球体的方法,解决了模型解算效率的问题,但球体无法完全等同于流体,仅在特定条件（如特定转速）时近似流体特性,因而模型的泛化能力明显不足。近年来,随着人工智能概念的普及,机器学习等技术在各个工程领域得到了广泛的应用。在机器学习技术的支持下,本文通过神经网络算法来构建液体平衡环的数据驱动模型,采用MATLAB与Adams的联合仿真技术将其应用于波轮洗衣机的仿真模型中,最后得到基于数据驱动技术的波轮洗衣机动力学仿真模型,从而解决传统方法构建液体平衡环模型时的不足。最后,在不同转速和不同偏心载荷条件下,将本文所构建的波轮洗衣机仿真模型的仿真结果与样机试验进行对比和验证,验证结果表明,模型仿真的误差率均保持在10%以内,基于数据驱动的波轮洗衣机动力学仿真模型具有较好的仿真表现。