随着时代的进步,越来越多计算机技术进入产品开发的流程,工程师可以通过在计算机搭建虚拟仿真模型,并进行多种条件的实验来对设计进行分析与验证,此过程省去了反复制造实验样机与各个不同的部件的时间与成本,可以提高产品的研发效率。在本文构建波轮洗衣机的仿真模型中,由于悬挂系统在力学上表现出高度非线性的现象,使得无法使用刚度与阻尼常数来表述其力学关系式,故通过传统的仿真建模方法或实验数学建模方法会有精度与效率上的不足。随着近年来的人工智能概念普及,机器学习、深度学习、强化学习等技术在工程的领域开始有了实际的运用。本文通过数据驱动方法对波轮洗衣的悬挂系统进行建模,解决传统方法构建悬挂系统模型在准确率与效率上的不足。此方法能降低仿真模型的复杂度,增加仿真的解算效率,也能使用实验数据学习悬挂系统的非线性关系,而不只是使用数学建模方法。通过为悬挂系统搭建实验台与同步信号采集系统来采集其同步的加速度信号与力信号,并使用机器学习方法来学习其非线性关系,构建悬挂系统的代理模型。采用Matlab与Adams的联合仿真技术将代理模型应用至波轮洗衣机的刚柔耦合模型中,获得动力学仿真模型,以数据驱动的方法实现波轮洗衣机的动力学仿真。最后,设置多个不同转速与偏心质量的实验条件,将动力学仿真模型与洗衣机样机在相同的实验条件下做对比与验证,并使用频域信号的幅值作为验证标准。验证结果表明,基于数据驱动搭建的波轮洗衣机动力学仿真模型与洗衣机样机在多种实验条件下的误差率能保持在9.38%以内,并且有优秀的模型泛化能力。