随着科技的不断进步,人类探索和研究的领域越来越多,遥操作作为一种延伸人类感知能力和行为能力的方法,可帮助人类在无法到达或是危险的环境下进行遥操作作业。因此遥操作技术在航空航天、医疗、核能、安防等领域都有广泛的应用前景。遥操作系统通常由主动端和从端两部分构成,主从端由通信网络建立连接,当操作者操控主动端时,操控信号经过通信通道传递给从端,从而操控从端完成指定动作。然而在遥操作的实际应用过程中,依然有许多问题有待解决,如随机时延和力反馈下的系统稳定性与透明性问题。稳定性和透明性作为衡量遥操作系统的性能指标,既相互影响又相互矛盾。本文基于人工神经网络技术对遥操作系统的稳定性和透明性展开研究。首先,针对遥操作作业过程中,尤其是需要高透明性的精细作业,操作者仅依靠力反馈并不能准确感知从端与环境交互的接触力问题,提出了一种基于GRNN的遥操作接触力预测方法。该方法是基于GRNN将手臂肌电信号与主从端位置、速度等信号进行信息融合,其中手臂肌电信号、主动端位置信号、从端速度和加速度信号作为输入,从端接触力作为输出训练GRNN模型,通过该模型对从端接触力进行预测,最后通过两组对比实验证明了该方法能够较为准确的预测从端接触力。其次,为了提高操作者在遥操作过程中完成重复作业任务的执行效率,提出了一种基于LSTM的遥操作虚拟力控制方法。该方法是利用LSTM神经网络对时间序列具有记忆功能的特性,根据之前时刻和当前时刻的从端运动状态预测出下一时刻的从端位置,并通过主从端映射关系将从端位置信息转换为虚拟力,再以虚拟弹簧的方式将虚拟力作用于主动端,使其牵引操作者的手进行移动。最后通过两组抓取实验表明了该方法确实可以提高动作完成效率,减少作业任务时间,从而提高系统稳定性。