准确的轨道测定对于Cislunar空间监测至关重要。在低地球轨道（LEO）中用于OD的传统技术可能无法在Cislunar空间中有效地工作，因此需要新的方法来估计这种环境中机动目标的状态。本文提出了一种利用物理知情神经网络（PINN）的新方法，这是一种独特的神经网络类型，旨在解决由参数微分方程控制的前进和反问题。OD问题被视为一个动态问题，其目的是从观察数据开始解决管理微分方程。该系统能够使用仅被动角度观察来估计目标状态，而无需任何初始猜测或集成。如果考虑操纵目标，包括运动方程中未知的动态组件，则可以在观察范围内的任何时候估算目标状态和操纵者本身。该方法均可在Space4 Center提供的CISLUNAR对象和合成生成的数据的两个实际角度观察结果上进行测试。本文得出的结论是，所提出的方法有可能提高Cislunar空间中的OD准确性，并且可能是传统方法的有希望的替代方法。