近年来，随着移动设备、智能设备、传感器、无线通讯网络等技术的发展，物理空间与信息空间的结合日趋紧密，计算资源和计算机网络无处不在，用户将能很方便地获取各种信息服务和计算资源，普适计算的前景日趋明朗。　　 目前，普适计算下已经形成了许多研究领域。上下文感知计算就是其中相对成熟的研究领域。普适计算中，设备能够感知用户所在的上下文及其变化，并做出相应的动作，这种能够感知用户上下文信息而进行调整系统行为的技术称为上下文感知技术。　　 上下文感知系统从不同的传感器获取信息，传感器的精确度受传输过程中的噪音所带来的误差是不可避免。另外，上下文推理规则也不是绝对合理并且全面的。这就导致上下文冲突频繁发生。上下文的冲突影响到上下文感知系统提供的服务。上下文聚合时，必须对上下文的进行质量管理，即冲突的检测和消解，并能够有效诊断出传感器的故障。　　 本文的工作对现有冲突消解研究中的不足之处做出了改进，并提出一种传感器的故障诊断的可行方法。主要涉及以下方面：　　 1)综述了普适计算环境以及上下文感知计算的相关概念和核心技术，介绍了上下文不一致性问题的定义和产生和现有上下文冲突消解的方法，并进行了比较，提出了不足之处。　　 2)不一致问题的产生可能是传感器的故障导致，研究和形式化分析了传感器的故障诊断问题。我们首先通过推理回溯找到出错的初始数据来定位发生错误的传感器，然基于遗传算法，提出了一种前向推导方法，可以为每个传感器得到一个故障概率值来判断哪些传感器出错概率大。该方法将故障诊断的改善转换一个优化问题，利用遗传算法的并行搜索和全局搜索特性，可以准确和快速实现对出错传感器的定位。实验表明该方法是可行高效的。　　 3)在上下文不一致性管理中，提出一种基于机器学习技术的冲突消解方法，采用了决策树学习算法，加入有关传感器故障的先验知识，通过不断学习以往的冲突消解决策，就可能得到更加有效全面的冲突消解策略。实验表明该方法应用于上下文感知计算环境中的上下文冲突消解是有效和可行的。