遥操作系统作为能够代替人类在核事故救援、空间探测、远程医疗以及农业等多个领域完成多种复杂操作的远程操作系统,近年来已经得到广泛的发展。随着功能的不断完善,遥操作系统的应用场景更为丰富,这也使得人们对遥操作系统的控制性能有了更高的要求。在实际应用中,遥操作系统主-从系统之间的网络通讯存在不可避免的通讯时延、遥操作系统自身较强的非线性特性以及所处环境的复杂性导致系统的控制性能极易受到通讯时延、模型参数以及外界环境干扰的影响;另外,遥操作系统在实际工作中,出于工作环境的限制、操作的安全性以及系统暂、稳态性能提高等方面的考虑,系统状态往往要进行不同程度的约束。同时,因为主-从通信时延、系统不确定性和外界干扰的存在,迫切需要针对网络化遥操作系统设计全状态约束控制策略以保证在主-从系统高精度、快速同步的基础上,系统状态始终处于所约束范围以内。论文的主要研究内容如下:首先,针对全状态时变约束下的双边遥操作系统,在系统不确定和非对称时变时滞下研究了主-从系统之间的同步控制问题,创新性地将系统的全状态约束问题转化为系统的稳定性问题,避免了因系统状态突然增大导致的碰撞问题,提高了主-从系统间的同步精度。同时,针对主-从系统之间的时变时延,引入了新的非线性观测器来保证闭环系统的稳定性并构造新的障碍李雅普诺夫函数（Barrier Lyapunov Function,BLF）证明了主-从系统的稳定性和同步性能。最后,通过MATLAB仿真验证了全状态约束控制策略的有效性。其次,针对柔性双边遥操作系统,设计了新的复合神经网络学习控制框架,研究了在系统不确定性和时变外部扰动下系统关节跟踪控制问题,该框架融合了神经网络和终端滑模干扰观测器（Terminal sliding mode disturbance observer,TSMDOB）的优点,提高了系统的跟踪精度。此外,基于反步递推理论,为遥操作系统开发了一种全状态复合神经网络学习跟踪控制方案,避免了对系统链路端高阶导数的影响,提高了链接端的性能。在复合框架下,通过增加预测误差提高系统收敛速度和准确性。最后,对遥操作系统进行仿真验证,验证了提出全状态跟踪控制策略的有效性。