一種基于強(qiáng)化學(xué)習(xí)的行星軟著陸控制方法及系統(tǒng)和存儲(chǔ)介質(zhì)，涉及軟著陸軌跡優(yōu)化與控制領(lǐng)域，為了解決現(xiàn)有的行星軟著陸控制存在無法保證制導(dǎo)律最優(yōu)、模型較復(fù)雜，訓(xùn)練難以收斂等問題。本發(fā)明包括：一：基于著陸器的硬件構(gòu)型和發(fā)動(dòng)機(jī)動(dòng)力配置等特征，建立著陸器動(dòng)力下降段六自由度動(dòng)力學(xué)模型；二：設(shè)計(jì)訓(xùn)練交互環(huán)境的獎(jiǎng)勵(lì)函數(shù)、觀測(cè)空間、動(dòng)作空間和神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；三：數(shù)值仿真環(huán)境的搭建，利用強(qiáng)化學(xué)習(xí)算法訓(xùn)練得到軟著陸控制器；四：通過速度跟蹤測(cè)試和軟著陸測(cè)試對(duì)訓(xùn)練控制效果評(píng)估。通過執(zhí)行步驟一和步驟二獲得軟著陸強(qiáng)化學(xué)習(xí)環(huán)境模型，智能體與環(huán)境模型交互，從而獲得訓(xùn)練數(shù)據(jù)。通過步驟三訓(xùn)練可以得到軟著陸控制器，最后通過步驟四挑選出表現(xiàn)最佳的訓(xùn)練結(jié)果，作為最優(yōu)軟著陸控制器。本發(fā)明用于軟著陸軌跡優(yōu)化與控制。