本公开实施例中提供了一种基于哈密顿结构网络的机械系统物理参数求解方法，属于数据处理技术领域，具体包括：获取时序序列数据集；将时序序列数据集输入哈密顿结构网络进行求导；计算广义坐标和广义动量的预测误差；得到哈密顿结构网络的损失函数；直到损失函数收敛至预设条件时，保存本次迭代的哈密顿结构网络作为求解模型；将采集到的目标机械系统的轨迹数据输入求解模型，得到目标机械系统对应的物理参数。通过本公开的方案，将哈密顿动力学先验知识以结构化的方式引入深度神经网络中，采用深度神经网络对哈密顿动力学的关键结构进行描述,构建机械系统物理参数求解模型，提高了机械系统物理参数求解的适应性和计算效率。