主梁动态线形（MGDA）在斜拉桥运营状态评估中具有重要的实际意义。然而，受限于传感器数量，精确测量斜拉桥MGDA面临显著挑战。为此，本文基于物理信息神经网络（PINN）和有限传感器数量，提出了一种斜拉桥MGDA的间接重建方法。首先，本文将斜拉桥的缆索简化为连续弹性支座，并在此基础上推导出简化模型的无量纲运动方程。接着，采用神经网络开发了两个替代模型，用以模拟MGDA及外部激励，并将傅里叶嵌入层整合到网络中。此外，物理信息损失函数中引入了时空因果权重，以提升模型的逼近精度，并针对两个替代模型分别计算不同的总损失函数进行训练。第三，详细阐述了基于所开发PINN方法重建斜拉桥MGDA的具体流程。最后，通过数值实验验证了该方法的有效性，并系统探讨了传感器数量、路面粗糙度、损伤状态及测量噪声对结果的影响。实验结果表明，该方法利用PINN在稀疏数据条件下对结构响应的高效计算优势，能够在有限传感器数量下实现斜拉桥MGDA的间接准确监测。

斜拉桥；物理信息神经网络；主梁；动态线形