共轴双旋翼飞行器由于其操控性强、灵活性高的特点,近年来得到长足的发展。变质心控制机构通过控制飞行器内部质量滑块移动来改变无人机质心,进而改变旋翼产生的气动力矩实现姿态控制。相对于传统变距控制方案,变质心控制方案使共轴双旋翼避免使用易磨损的变距机构,同时定桨距旋翼可以提供更稳定的升力输出,便于升力控制,这使得变质心控制已成为当前的研究热点。本文以变质心涵道共轴双旋翼无人机为研究对象,考虑其强非线性和不确定性等系统特性,围绕其变质心控制机构结构设计与优化、动力学建模和自适应自学习控制问题展开研究。针对共轴双旋翼无人机旋翼组件过于复杂,导致旋翼控制系统可靠性较低的问题,提出一种依靠三轨变质心机构进行姿态控制的方案。首先,基于牛顿欧拉建模法建立三轨变质心共轴双旋翼的牛顿运动模型,给出机身位置与内部变质心机构运动的具体表达式;之后,利用动力学模型研究不同质量占比和轨道设计布局引起的内部扰动对无人机操纵性、稳定性的影响,并给出控制机构优化方案,仿真结果表明变质心控制对于大尺寸无人机更为有效;最后,利用叶素动量理论建立旋翼气动模型,通过空气动力学仿真,对比变质心涵道方案与周期变距方案的拉力和姿态控制效率,仿真结果表明变质心控制更适合于大尺寸的共轴双旋翼无人机。利用变质心无人机的数学模型推导系统状态方程,并对姿态控制和位置控制的进行定性分析,表明变质心无人机控制存在非线性与不确定性。针对变质心无人机控制的非线性与不确定性,结合反步法和自适应控制设计了变质心共轴双旋翼自适应串级滑模控制器。仿真实验表明,所设计的串级滑模控制器具备较强的鲁棒性和一定的抗扰能力。针对滑模控制的状态轨迹会频繁穿越滑模面、偏离最优状态轨迹的问题,从基于深度强化学习的位置控制器的设计展开研究,通过训练优化自身网络参数,逐步逼近最优状态轨迹。针对深度确定性策略梯度算法（Deep Deterministic Policy Gradient,DDPG）经验积累速度慢、经验学习效率低的问题,又提出共享缓冲群优化的DDPG（Buffer-Shared Group Optimized DDPG,BSGO-DDPG）改进方法,采用并行训练、经验共享的方式加速经验的积累,同时采用全局优秀网络参数共享的方式加速每个Agent的网络参数更新。建立算法所需的训练环境,设计训练任务,对比DDPG、双延迟DDPG（Twin Delayed DDPG,TD3）、BSGO-DDPG算法的性能,结果表明基于BSGO-DDPG的位置控制器的在性能、泛化能力和抗干扰能力方面的效果达到预期设计目标。