许多工程问题可以简化为多自由度振动问题来描述机械系统振动的主要特征,因此多自由度振动方程的求解和分析是非常重要的。求解多自由度振动方程的方法有很多,但这些方法都有一些不足,如振型叠加法在求解过程中涉及矩阵求逆,对于大型问题并不适用;直接积分法需要选择合理的迭代步骤,但这是不易操作的;精细积分计算过程出现大量矩阵计算和矩阵指数计算,如何处理这些运算对计算结果很重要。由于人工智能的高速发展,神经网络作为其中一员,其理论也取得了极大的进步,并且被应用到了众多领域,本文详细论述了应用神经网络方法求解多自由度振动方程的问题。对于传统的求解振动方程的方法,由于涉及大量的矩阵计算或者是迭代过程的参数难以确定而对求解过程带来难题。为此本文引入对偶神经网络方法求解多自由度振动问题,此方法的优势在于只需要对振动方程进行简单的等效变换而不涉及大量的矩阵计算,并且只需要调整神经网络参数就可以得到多自由度振动方程的结果。通过算例仿真,证明应用对偶神经网络求解多自由度振动方程精度高,且易操作。工程中还有许多连续系统,这些连续系统大部分无法给出解析解,这就需要把连续系统离散化,然后将问题转化成多自由度振动的问题。这类问题是无法给出多自由度振动方程具体的表达式,一般的求解多自由度振动方程的方法无法计算这类问题。但是神经网络只需已知输入样本和输出样本的数据点就可以实现求解计算,不需要知道函数的具体解析式,这就为上述问题的求解提供了方法。首先,根据连续系统的特征选取具有代表性的离散点,然后利用有限元软件仿真,得到在不同时刻这些离散点的位移,把这些时刻与离散点位移作为神经网络的输入与输出,即可求解分析此系统。最后通过飞机机翼例题来验证本文方法的可行性。