El sistema de frenos antideslizantes de aeronaves (AABS) juega un papel importante en el despegue, rodaje y aterrizaje seguro de las aeronaves. Además de las perturbaciones del complejo entorno de la pista, posibles fallos en los componentes, como los fallos en los actuadores, también pueden reducir la seguridad y fiabilidad del AABS. Para satisfacer los crecientes requisitos de rendimiento del AABS en condiciones de fallos y perturbaciones, se propuso en este artículo un nuevo controlador de reconfiguración basado en el control de rechazo de perturbaciones activas lineales combinado con el aprendizaje por refuerzo profundo. El controlador propuesto trató los fallos de los componentes, las perturbaciones externas y el ruido de medición como las perturbaciones totales. Se introdujo el algoritmo de gradiente de política determinista profunda con retraso doble (TD3) para realizar los autoajustes de parámetros tanto del observador de estado extendido como de la ley de retroalimentación del error de estado. El espacio de acción, el espacio de estado, la función de recompensa y la estructura de la red para el entrenamiento del algoritmo fueron diseñados adecuadamente, de modo que las perturbaciones totales pudieran ser estimadas y compensadas con mayor precisión. Los resultados de la simulación validaron la adaptabilidad ambiental y la robustez del controlador de reconfiguración propuesto.