1.一种针对多主-多从遥操作系统的增强透明性能控制方法，其特征在于：所述方法包括以下步骤：步骤1，针对由K个操作者，K个主机器人和N个从机器人组成的网络化多主-多从遥操作系统，分别测量各个主、从机器人末端执行器的位置xmx,i,xsx,j、速度 和加速度信息，并进一步测量操作者对主机器人施加的力信息Fh,i和从端机器人与外界环境的接触力信息Fe,j，其中i＝1,2,...,K，j＝1,2,...,N；

步骤2，针对多个主机器人基于接收到的从机器人力信息和操作者输入的力信息分别设计导纳理想轨迹生成器 其中，Md,i,Cd,i,Kd,i∈Rn×n分别选取为对角正定常数矩阵，xmr,i∈Rn代表主机器人i末端执行器的理想轨迹， 分别代表理想轨迹的速度和加速度信息，∑Fe,j(t-Tj(t))表示与第i个主机器人进行通信的所有从机器人反馈的力经网络信息传输通道之和，Tj(t)代表从机器人信息传输到主机器人i时的时延信息；

步骤3，针对多个从机器人基于从机器人本身与环境的作用的力信息及接收到的主机器人的位置信息分别设计导纳理想轨迹生成器其中Me,j,Ce,j∈Rn×n和Ke,j∈Rn×n选定为对角正定常数矩阵，xsd,j＝xmx,j(t-Tm,j(t))代表与从机器人j进行通信的主端机器人通过网络传输通道得到的末端执行器位置信息，Tm,j(t)为主机器人信号传输到第j个从机器人时的时延信息， 为xsd,j的一阶导数信息， 为xsd,j的二阶导数信息；

步骤4，分别针对各个主机器人和从机器人定义同步误差变量，并设计神经网络控制器和其中 为神经网络理想权

值Wmx,i的估计值，Km,i1,Km,i2,Km,i3选取为对角正定常数矩阵，p1,p2,q1,q2均选取为正奇数，且

0＜p1/p2＜1，1＜q1/q2，sign(sm,i)表示符号函数，即当sm,i＝0时，sign(sm,i)＝0，当sm,i＞0时，sign(sm,i)＝1，当sm,i＜0时，sign(sm,i)＝-1； 为神经网络理想权值Wsx,j的估计值，Ks,j1,Ks,j2,Ks,j3选取为对角正定常数矩阵，sign(ss,j)表示符号函数，即当ss,j＝0时，sign(ss,j)＝0，当ss,j＞0时，sign(ss,j)＝1，当ss,j＜0时，sign(ss,j)＝-1；

步骤5，选取李雅普诺夫函数给出多主-多从遥操作系统渐近稳定的充分条件Km,i3≥εm,iN和Ks,j3≥εs,jN，εm,iN和εs,jN为正常数。

2.根据权利要求1所述的一种针对多主-多从遥操作系统的增强透明性能控制方法，其特征在于：步骤1中，针对网络化多主-多从遥操作系统，分别测量各个主、从机器人在末端执行器的位置、速度及加速度信息，并进一步测量操作者对主机器人施加的力信息和从端机器人与外界环境的接触力信息；考虑由K个操作者操作K个主机器人，并控制远端N个从机器人进行协同作业，主机器人i和从机器人j在笛卡尔空间下的系统模型为：其中，下标m代表主机器人，下标s代表从机器人，且i＝1,2,...,K，j＝1,2,...,N，xmx,i,xsx,j∈Rn分别为主从机器人末端执行器位移向量， 为末端执行器的速度向量，为末端执行器的加速度向量，Mmx,i(xm,i),Msx,j(xs,j)∈Rn×n为系统的正定惯性矩阵， 为哥氏力和离心力的向量，Gmx,i(xm,i),Gsx,j(xs,j)∈Rn为重力力矩， 为系统存在的未知摩擦力以及有界外界干扰，Fh,i∈Rn和Fe,j∈Rn分别为人类操作者i施加到主机器人i的力和远端环境施加到从机器人j的力矩，umx,i∈Rn和usx,j∈Rn为控制器提供的控制力矩；

针对以上多主-多从遥操作系统分别测量主机器人和从机器人末端执行器的位置xmx,i,xsx,j、速度 和加速度 信息，并测量所受到的外界力信息Fh,i和Fe,j。

3.根据权利要求1所述的一种针对多主-多从遥操作系统的增强透明性能控制方法，其特征在于：步骤2中，针对多个主机器人基于接收到的从机器人力信息和操作者输入的力信息分别设计导纳理想轨迹生成器，以第i个主机器人为例，导纳理想轨迹生成器设计为其中，Md,i,Cd,i,Kd,i∈Rn×n分别选取为对角正定常数矩阵，xmr,i∈Rn代表主机器人i末端执行器的理想轨迹， 分别代表理想轨迹的速度和加速度信息，考虑主机器人i可能同时操作多个从机器人，因此主机器人i可能会同时接收到多个从机器人传输的力信息，因此∑Fe,j(t-Tj(t))表示与第i个主机器人进行通信的所有从机器人反馈的力经网络信息传输通道之和，Tj(t)代表从机器人信息传输到主机器人i时的时延信息。

4.根据权利要求1所述的一种针对多主-多从遥操作系统的增强透明性能控制方法，其特征在于：所述步骤3中，针对多个从机器人基于从机器人本身与环境的作用的力信息及接收到的主机器人的位置信息分别设计导纳理想轨迹生成器，以j个从机器人为例设计如下导纳轨迹生成器其中，Me,j,Ce,j∈Rn×n和Ke,j∈Rn×n选定为对角正定常数矩阵，考虑从机器人一方面需要追踪主机器人的轨迹，一方面需要实现对不同物体的柔顺操作，因此理想轨迹为主机器人轨迹的修正值，因此xsd,j＝xmx,j(t-Tm,j(t))代表与从机器人j进行通信的主端机器人通过网络传输通道得到的末端执行器位置信息，Tj(t)代表从机器人信息传输到主机器人i时的时延信息， 为xsd,j的一阶导数信息， 为xsd,j的二阶导数信息。

5.根据权利要求1所述的一种针对多主-多从遥操作系统的增强透明性能控制方法，其特征在于：所述步骤4中，分别针对各个主机器人和从机器人定义同步误差变量，并设计神经网络控制器；

分别针对主机器人i和从机器人j定义位置同步误差变量，并设计基于滑模的神经网络控制器；针对主机器人i和从机器人j定义位置误差为进一步可得速度误差为

基于定义的主、从机器人的位置误差变量，设计如下滑模面

其中，λm,i,λs,j选取为正常数；

进而对(6)求导得

针对主机器人i，将(5)-(7)式代入 得

经过变换可得

其中， 依据神经网络逼近原

理该非线性函数Fmx,i可利用神经网络进行逼近即， 其中Wmx,i为神经网络理想权值， 选取为高斯径向基方程即

，

cα,bα分别代表第α个神经元的中心和宽度， ε(Xm,i)为神经网络估计误差；

进而控制器umx,i设计为

其中， 为神经网络理想权值Wmx,i的估计值，Km,i1,Km,i2,Km,i3选取为对角正定常数矩阵，p1,p2,q1,q2均选取为正奇数，且0＜p1/p2＜1，1＜q1/q2，sign(sm,i)表示符号函数，即当sm,i＝0时，sign(sm,i)＝0，当sm,i＞0时，sign(sm,i)＝1，当sm,i＜0时，sign(sm,i)＝-1；

针对从机器人j，将(5)-(7)式代入 得

经过变换可得

其中， 依据神经网络逼近原

理该非线性函数Fsx,j同样可利用神经网络进行逼近即， 其中

Wsx,j为神经网络理想权值， 选取为高斯径向基方程即

，cβ,bβ分

别代表第β个神经元的中心和宽度， ε(Xs,j)为神经网络估计

误差；

进而针对第j个从机器人控制器usx,j设计为

其中， 为神经网络理想权值Wsx,j的估计值，Ks,j1,Ks,j2,Ks,j3选取为对角正定常数矩阵，sign(ss,j)表示符号函数，即当ss,j＝0时，sign(ss,j)＝0，当ss,j＞0时，sign(ss,j)＝1，当ss,j＜0时，sign(ss,j)＝-1。

6.根据权利要求1所述的一种针对多主-多从遥操作系统的增强透明性能控制方法，其特征在于：所述步骤5中，选取李雅普诺夫函数给出多主-多从遥操作系统渐近稳定的充分条件；

选取李雅普诺夫函数如下：

其中， γm,i,γs,j选取为正常数。

其导数为

进一步通过设计神经网络权值调节律

可得

通过选取适当的神经元个数，神经网络估计误差ε(Xm,i),ε(Xs,j)有界，即满足不等式||ε(Xm,i)||≤εm,iN，||ε(Xs,j)||≤εs,jN成立，其中εm,iN和εs,jN选取为正常数。因此最后可得当不等式Km,i3≥εm,iN和Ks,j3≥εs,jN成立时，可得因此可得滑模面sm,i,ss,j将会快速收敛至零点，且根据sm,i,ss,j的定义速度和位置误差em,i, es,j将渐近收敛至零点。标明主、从机器人末端执行器的实际轨迹会快速跟踪理想轨迹，因此主端可获得良好的透明性能，从端机器人可实现对不同物体的柔顺操作。