随着人类对海洋开发的越来越重视,智能水下机器人(AUV ,Autonomous Underwater Vehicles)应用技术的相关研究也越来越深入。在当前AUV技术的各种研究领域中,环境认知是关键技术之一,它关系到AUV在水下执行任务的能力以及自身安全,决定着AUV自主能力水平的高低。本文以AUV为研究背景,针对复杂海洋环境、自身状态和任务多变的情况,提出环境认知体系结构,分别使用信息融合技术中的贝叶斯网络方法和DS证据理论方法研究AUV在未知环境下对不确定信息进行不确定推理问题,论文研究旨在提高自治式水下机器人对不确定环境的认知能力,从而提高AUV自主能力。首先,论文分析了 AUV环境认知不确定推理的研究背景与意义,介绍了目前环境认知理论的研究现状,简单阐述了不确定性及常用的几种不确定推理方法,给出本文的主要研究内容。其次,体系结构是在整体角度说明各种功能模块划分以及相互间的数据交互和协作关系,是研究与实现AUV各种功能的基础与前提。结合数据融合信息认知的三种认知结构与水下机器人在所处环境、自身状态和执行的任务方面的特性,给出了一种面向任务的AUV体系结构参考模型,在本模型之上,根据AUV环境认知的需求,给出了环境认知模块的体系结构,重点介绍了该结构中状态检测、事件检测和能力评估模块的设计和作用。然后,考虑到AUV环境认知的特殊性,对AUV不确定事件进行了重点分析,在不确定事件研究意义的基础之上根据事件发生原因对其进行了分类,并对具体的不确定事件进行了说明定义,针对不确定事件产生的影响给出了不同的处理方案。再次,重点研究了两种不确定推理方法贝叶斯网络和DS证据理论在AUV环境认知过程中的应用,在理论基础之上结合AUV环境认知背景,构建相应的推理模型,通过实例分析方法推理过程。最后,通过对在AUV仿真平台上使用两种不确定推理方法进行仿真验证表明,本文使用的贝叶斯网络和DS证据理论都能够有效地推理预测出各种不确定事件,提高了AUV环境认知能力和自主能力。