Este documento propone un método de control inteligente basado en Soft Actor-Critic (SAC) para abordar las incertidumbres que enfrentan los vehículos de vuelo durante el vuelo. El método reduce eficazmente las cargas aerodinámicas y mejora la fiabilidad de la resistencia estructural bajo perturbaciones significativas del viento. Se toma un vehículo de lanzamiento específico como sujeto de investigación y se establece su modelo dinámico. Se construye un marco de aprendizaje por refuerzo profundo (DRL) adecuado para el problema de control de actitud, junto con un entorno de entrenamiento correspondiente. Se diseña una función de recompensa segmentada: la etapa inicial enfatiza la precisión de seguimiento, la etapa intermedia, con un efecto perjudicial debido a la región de viento en altitud, se centra en el alivio de carga, y la etapa final reanuda gradualmente la precisión de seguimiento sobre la base de mantener el efecto de alivio de carga. La función de recompensa cambia dinámicamente entre etapas utilizando un factor de tiempo. Se emplea el algoritmo SAC mejorado para entrenar al agente durante múltiples épocas, lo que resulta en un controlador de actitud de alivio de carga inteligente aplicable al vehículo de lanzamiento. Los experimentos de simulación demuestran que este método resuelve eficazmente el problema de control de actitud bajo perturbaciones aleatorias del viento, reduciendo particularmente las cargas aerodinámicas de los vehículos de lanzamiento en la región de viento en altitud.