본 논문은 비선형 시스템의 전체 정보 출력 조절 문제를 다룹니다. 플랜트와 외생 시스템의 상태가 모두 알려진 경우, 오차를 0으로 만드는 매니폴드 {\pi}(w)와 피드포워드 입력 c(w)를 구성하여 완벽한 추적 또는 거부를 달성합니다. 이 ({\pi}(w), c(w)) 쌍은 조절기 방정식, 즉 대수적 제약 조건이 있는 편미분 방정식 시스템으로 특징지어집니다. 본 연구에서는 사전 계산된 궤적이나 레이블이 지정된 데이터 없이, 경계 및 타당성 조건을 만족하는 잔차를 최소화하여 {\pi}(w)와 c(w)를 직접 근사하는 물리학 기반 신경망(PINN) 접근 방식을 도입하여 조절기 방정식을 정확하게 해결하는 데 중점을 둡니다. 학습된 연산자는 외생 시스템 상태를 정상 상태 플랜트 상태 및 입력에 매핑하여 실시간 추론을 가능하게 하며, 외생 시스템의 초기 조건 및 매개변수 변화에 대해 일반화됩니다. 헬리콥터의 수직 동역학을 조화 진동 플랫폼과 동기화하는 조절 작업에 대한 프레임워크의 유효성을 검사했습니다. 결과적으로 PINN 기반 솔버는 높은 정확도로 제로 에러 매니폴드를 재구성하고 외생 시스템 변동에 따라 조절 성능을 유지하여 비선형 출력 조절을 위한 학습 기반 솔버의 잠재력을 강조합니다. 제안된 접근 방식은 출력 조절 문제에 대한 해를 허용하는 비선형 시스템에 광범위하게 적용할 수 있습니다.
