本文研究了物理信息驱动的神经网络（PINNs）在控制方程编码和实验数据上的表现。在非线性摆系统中，PINNs在理想数据情况下的准确度提高了18倍和6倍，在真实数据情况下的准确度提高了9.3倍和9.1倍。研究了物理信息驱动模型在物理系统中的可行性，并使用PYNQ-Z1 FPGA进行实验。未来工作计划包括进一步优化系统架构和方法。