近年来，Internet等网络技术的广泛应用，推动了网络遥操作研究的飞速发展，但网络遥操作领域依然需要解决网络时延以及人机交互等方面的问题。 基于网络的多传感器数据融合系统具有分布性、跨平台性等特点，各种传感器系统位于不同的网络节点，且软件、硬件配置千差万别，因此需要建立一种通用的多传感器数据融合平台，为实现基于网络的多传感器数据融合打下硬件基础。本文以此为出发点，提出一种分布式的基于网络多传感器数据融合系统体系结构，并采用Agent理论，通过研究域、结构和交互等子模型来建立整个融合系统的模型。然后根据此系统模型，采用CORBA技术对基于网络的多传感器数据融合系统进行设计和实现，使整个融合系统具有灵活性、动态可配置、通用性等优点。 采用支持向量机理论对基于网络的多传感器数据融合方法进行了研究。为满足数据融合的实时性和精度等要求，改进了现有的最小二乘支持向量机算法，并提出一种基于OWA算子的多类支持向量机。在此基础上提出了基于支持向量机的网络数据融合方法，通过特征的提取、合成和训练得出支持向量机的决策函数，并依据决策函数的实际输出实现了特征融合。结合贝叶斯网络理论，提出了基于支持向量机的决策融合算法：采用贝叶斯网络对决策间的概率关系进行分析描述，同时应用支持向量回归理论对概率密度函数进行在线估计，并根据最大概率似然方法实现决策融合。另外，为消除噪声、网络时延等对数据融合的影响，设计了数据较正和数据对准环节，实现了数据融合的预处理。仿真试验表明，本文所提出的基于支持向量机的网络数据融合方法具有很高的融合精度和较强的容错性。 网络时延严重影响了网络遥操作系统的稳定性和透明性，而具有局部自主能力的机器人则可以独立地完成某些从端作业任务，减少了机器人与人类操作者的通信，降低了时延对遥操作系统性能的影响。为此，提出了一种基于技能的机器人局部自主控制方法，采用基于支持向量机的数据融合算法，对人类的操作技能进行学习。并结合自适应阻抗力控制器，利用学习到的技能控制机器人自主进行精细作业，增强了遥操作系统中机器人的局部自主能力，提高了网络遥操作系统的安全性和可靠性。 以基于网络遥操作的机器人精细作业为应用背景，提出一种面向遥操作的网络数据融合策略，并建立了基于数据融合的网络遥操作系统。还基于网络数据融合策略，提出了基于状态向导的遥操作辅助作业方法。该方法通过状态定义、状态识别、状态显示等方式，将整个作业辨识为若干种作业状态，利用变化的状态信息来指导遥操作的执行。通过基于网络的多传感器数据融合和机器人局部自主的有机结合，实现了抓取螺栓、销控装配、紧固螺栓等精细作业。实验结果表明，数据融合和机器人局部自主的引入有效地解决了网络遥操作系统中网络时延、操作效率等问题，提高了遥操作系统的整体性能。