面向复杂扰动的物流无人机元强化学习飞控系统及方法

本发明提出了一种面向复杂扰动的物流无人机元强化学习飞控系统及方法，该系统包括：历史队列管理模块，维护长度不等的历史状态序列和历史动作序列；双通道解耦编码模块，输出环境指示变量Z；环境参数预测模块，将Z映射为环境扰动参数预测值；元强化学习决策模块，由Actor网络基于当前状态与Z输出动作，Critic网络评估Q值及不对称优先经验回放池。该系统具有离线训练与在线部署两种工作模式。本发明通过双通道解耦实现环境扰动与执行时延的分离辨识，通过不对称经验回放抑制高估风险，显著提升了无人机在阵风扰动、载重变化和通信时延等复杂条件下的飞行安全性、鲁棒性及零样本泛化能力。