智能家居系统本质是家庭集成自动化系统,即通过集成房屋内一些简单的设备遥控操作或是结合网络服务实现被动式的请求响应。近些年来,随着人工智能、网络技术、设备的微型化技术以及普适计算的不断发展,家居自动化的概念也被逐渐拓展为智能家庭环境。智能家庭环境一个核心技术难点在于如何根据获取的环境感知数据识别环境状态与用户行为,并根据设定自动推理出需要的结果或服务。然而,由于数据源不可靠、传输网络不稳定、系统知识描述的有限性等,智能家居系统中存在大量的不确定性因素,因而,如何在不确定性条件下进行有效地推理是一项重大技术挑战。在本文的研究中,采用基于规则的知识表示模型,考虑其良好的可读性和模块性(有效分离了决策逻辑和推理实现),拓展出智能家居系统中不确定性知识表示方法。基于规则的确定性知识表示方式通常用来描述系统上层的流程或者用于直接获取用户的意图,其直观的知识表示结构和推理实现在现有的商用推理引擎中得到了广泛的应用。但是现有的智能家居研究大都没有考虑如何将不确定性引入规则知识表示方法中。因此,如何解决基于规则的知识表示模型在处理不确定性问题时具有较差的推理能力以及打破先存在诸多的限制,例如确信因子与概率理论不相容等,并将其有效地融入不确定性推理网络中成为本文的一个主要研究问题。在此基础上,本文设计了一种以事件驱动的不确定性推理框架来处理智能家居上层推理问题。在这个框架内,使用事件模型来描述用户的行为、意图或外部环境因素,并结合规则模型来表示事件之间的关系。此外,本文拓展了基于确信因子的不确定性规则表示方式,并基于该方式构建了推理网络。在前述的理论基础上,本文实现了基于不确定性规则推理的智能家居系统,并支持使用贝叶斯网络中的精确推理算法和近似推理算法进行推理。最后,本文使用多个智能家居场景实例来验证了系统的有效性。