随着空间探测技术的不断发展,空间操作任务的需求和种类也日益多样化。由于空间环境的非结构化及任务的高复杂性,加上技术条件的限制,空间机器人自主完成操作任务的愿景短期内仍难以实现。因此,力觉临场感遥操作控制方法成为完成空间机器人在轨任务的重要技术途径。基于预测模型的遥操作控制方法通过主端预设仿真模型将时延排除在外,凭借其良好的透明性、跟踪性、鲁棒性优势,愈发成为研究领域的焦点。本文针对基于预测模型力觉临场感遥操作系统中环境建模、参数辨识、从端力跟踪控制技术展开了深入研究。本文的主要内容结构如下:首先,对当前遥操作研究中常用的线性、非线性环境动力学模型特点、应用场景及所存在的问题展开分析,针对不同环境特征建立了基于刚度阈值切换的混合环境模型。在此基础上,分别对线性模型、非线性模型的各类参数辨识算法进行实验探究,以辨识结果的收敛性能和面对环境变化的响应能力为指标,利用自验证和交叉验证方法考察各环境模型的最优在线参数辨识算法。并将混合建模方法与单一建模方法的均方根误差进行对比,验证了本文所提出混合环境建模及参数辨识算法性能。其次,针对遥操作大时延下,非线性环境动力学波动参数与位置信息不匹配所造成的力误差问题,提出了基于遗传算法优化BP神经网络的非线性环境建模。并根据运动状态信息、接触力信息、环境动力学参数信息间的映射关系,建立级联BP神经网络结构。搭建单自由度力觉临场感遥操作实验平台和两种典型接触环境,实验验证本文所构建的神经网络模型能够克服时延影响有效预测较为准确的接触力信息和环境动力学参数信息,证实了本文所提出基于神经网络的非线性环境建模算法性能。接着,针对遥操作系统从端力跟踪控制技术展开研究。分析基于位置的阻抗控制中力误差的主要原因并通过模拟人手臂的力控制过程,提出变阻抗参数的自适应力跟踪阻抗算法,并在此基础上结合力外环思想进一步研究了基于变阻抗内环的力外环控制算法。相比于以往阻抗控制器,本文提出的力跟踪控制算法同时将期望力和期望位置两项参数输入控制器,充分利用预测模型中位置与接触力间可以根据接触动力学模型相互推导的特点,保证了透明性和跟踪性的同时,自适应控制而无需模式切换,具有较强的鲁棒性。最后,搭建了基于预测模型的力觉临场感遥操作系统实物验证平台,对本文提出的环境建模及参数辨识、从端力跟踪控制技术开展综合实验分析验证。实验结果证实了本文所提出算法的理论可行性及应用价值。