遥操作机器人系统和Internet的结合,大大增加了它的实用价值。但是Internet中存在的随机时延问题也给遥操作机器人系统带来了负面影响。通过对网络时延的研究,解决随机时延对Internet环境下遥操作机器人系统造成的不利影响,提高系统的稳定性并改善其可操控性能,从而为遥操作机器人系统的广泛应用打下基础。在对网络时延进行分析研究的基础上,改进了径向基神经网络时延预测方法和基于网络时延的拥塞控制机制。首先,利用径向基神经网络建立了预测时延的模型,使用APC-Ⅲ学习算法确定隐含层的网络结构,并利用最小二乘法估计权值完成对模型的训练,进而运用时延预测模型对网络的下一刻时延进行预测。其次,分别将接收端可用的最大接收窗口值和网络的平均往返时延引入拥塞窗口递增、递减算法,通过两个网络状态相关参量的引入,改进了拥塞控制机制,并运用该机制进行网络上数据信息的传输控制。最后,将改进后的方法整体运用于基于Internet的遥操作机器人系统中。实验结果表明,两种方法的使用改善了Internet环境下遥操作机器人系统的整体性能。