细长钢构件的二阶分析可能具有挑战性，尤其是在涉及大挠度的情况下。本文提出了一种基于机器学习的新型结构分析（MLSA）方法，用于对梁柱进行二阶分析，这可能是使用过度简化的分析方程或传统的有限元元素方法的普遍解决方案的有前途的替代方法。常规机器学习方法的有效性在很大程度上取决于所提供数据的定性和定量。但是，在结构工程实践中，这些数据通常很少且昂贵。要解决这个问题，采用了一种新的，可解释的基于机器学习的方法，名为“物理知识的神经网络”（PINN），在该方法中，将利用物理信息来定位学习过程，以创建一个自欺欺人的学习过程，从而可以自我培训，从而可以训练很少甚至没有预性数据集以实现准确的近似值。这项研究将Pinn方法扩展到了钢梁柱的二阶分析问题。给出了管理方程式的详细推导以及培训过程的基本物理信息。提供了Pinn框架和训练程序，其中采用了自适应减肥控制算法和转移学习技术以提高数值效率。可实用性和准确性通过四组验证示例验证。