1.一种无人机运输系统，其特征在于，包括无人机和控制中心；

所述无人机，用于获取环境参数和无人机机械参数，并从设置在所述无人机上的湿度传感器中获得湿度数据；

判断所述湿度数据是否大于或等于温度阈值，若是，则判定无人机为环境故障，并从设置在所述无人机上的存储器中导出预先存储的环境故障解决方案作为无人机运输的结果；

若否，则对所述无人机机械参数是否为预设异常值进行判断；

判断所述无人机机械参数是否为所述预设异常值，若是，则判定无人机为自身机械故障，并从所述存储器中导出预先存储的自身机械故障解决方案作为无人机运输的结果；若否，则生成未知异常信号，并将所述未知异常信号发送至所述控制中心中；

所述控制中心，用于根据所述未知异常信号分析所述环境参数和所述无人机机械参数，得到决策任务，并将分析得到的决策任务发送至所述无人机中；

所述无人机，还用于对所述决策任务进行信息的转换，得到无人机处理信息，并将所述无人机处理信息作为无人机运输的结果。

2.根据权利要求1所述的无人机运输系统，其特征在于，所述环境参数包括环境对决策的影响，所述控制中心中，根据所述未知异常信号分析所述环境参数和所述无人机机械参数，得到决策任务的过程包括：通过第一式对所述无人机机械参数进行决策反馈的计算，得到决策反馈，所述第一式为：其中，K为人的增益，A为无人机机械参数，t为时间延迟，TL为超前时间常数，TI为滞后时间常数，TN为神经运动动力学常数，H(s)为决策反馈；

对所述决策反馈和所述环境对决策的影响进行决策任务的计算，得到决策任务。

3.根据权利要求2所述的无人机运输系统，其特征在于，所述控制中心中，对所述决策反馈和所述环境对决策的影响进行决策任务的计算，得到决策任务的过程包括：通过第二式对所述决策反馈和所述环境决策影响进行决策任务的计算，得到决策任务，所述第二式为：其中，π(s)DQN‑TAMER为决策任务， 为环境对决策的影响， 为决策反馈，αq和αh均为可变参数，s为状态，a为动作。

4.根据权利要求1所述的无人机运输系统，其特征在于，所述无人机还用于：利用深度学习算法对所述无人机处理信息进行学习，得到处理结果，并将所述处理结果存储在所述存储器中。

5.一种无人机运输方法，其特征在于，包括：

从无人机中获取环境参数和无人机机械参数，并从设置在所述无人机上的湿度传感器中获得湿度数据；

判断所述湿度数据是否大于或等于温度阈值，若是，则判定无人机为环境故障，并从设置在所述无人机上的存储器中导出预先存储的环境故障解决方案作为无人机运输的结果；

若否，则对所述无人机机械参数是否为预设异常值进行判断；

判断所述无人机机械参数是否为所述预设异常值，若是，则判定无人机为自身机械故障，并从所述存储器中导出预先存储的自身机械故障解决方案作为无人机运输的结果；若否，则生成未知异常信号；

根据所述未知异常信号分析所述环境参数和所述无人机机械参数，得到决策任务；

对所述决策任务进行信息的转换，得到无人机处理信息，并将所述无人机处理信息作为无人机运输的结果。

6.根据权利要求5所述的无人机运输方法，其特征在于，所述环境参数包括环境对决策的影响，所述根据所述未知异常信号分析所述环境参数和所述无人机机械参数，得到决策任务的过程包括：通过第一式对所述无人机机械参数进行决策反馈的计算，得到决策反馈，所述第一式为：其中，K为人的增益，A为无人机机械参数，t为时间延迟，TL为超前时间常数，TI为滞后时间常数，TN为神经运动动力学常数，H(s)为决策反馈；

对所述决策反馈和所述环境对决策的影响进行决策任务的计算，得到决策任务。

7.根据权利要求6所述的无人机运输方法，其特征在于，所述对所述决策反馈和所述环境对决策的影响进行决策任务的计算，得到决策任务的过程包括：通过第二式对所述决策反馈和所述环境决策影响进行决策任务的计算，得到决策任务，所述第二式为：其中，π(s)DQN‑TAMER为决策任务， 为环境对决策的影响， 为决策反馈，αq和αh均为可变参数，s为状态，a为动作。

8.根据权利要求5所述的无人机运输方法，其特征在于，还包括对所述无人机处理信息进行存储，所述对所述无人机处理信息进行存储的过程包括：利用深度学习算法对所述无人机处理信息进行学习，得到处理结果，并将所述处理结果存储在所述存储器中。

9.一种无人机运输系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，当所述处理器执行所述计算机程序时，实现如权利要求5至8任一项所述的无人机运输方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时，实现如权利要求5至8任一项所述的无人机运输方法。