Stewart平台机构以其大刚度和高精度等优点,自上世纪60年代被提出,已经广泛应用于太空对接、工业机器人、医疗手术等方方面面。特别是在太空对接领域,人类已经利用Stewart平台机构完成了数次航天器的对接。对远程操作的Stewart平台进行研究,研究成果可以直接应用于地面操作的太空对接等Stewart平台机构的远程操作。本文的研究基于由液压Stewart平台作为被控对象的远程操作地面试验系统。通过建立被控Stewart平台的虚拟模型,进而构成预测显示,可以有效地补偿远程操作中信息传输的延时,提高操作的快速性和准确性。为了使预测显示更加准确的反映被操作Stewart平台的动态特性,本文提出了基于双神经网络结构的增强虚拟模型。其中,神经网络采用改进的Elman网络,设计了自适应的学习率,对非线性系统获得了良好的辨识效果和较快的辨识速度。增强虚拟模型还可以减少随机丢包对操作人员的影响。论文最后给出了基于增强虚拟模型的液压Stewart平台远程操作的试验结果。