智能水下机器人（Autonomous Underwater Vehicles，AUV）在充满不确定性的环境中执行各种使命和任务时，往往对环境有不同的理解，使得知识的共享和重用非常困难，导致在不确定环境中执行任务的难度大大增加。由于传感器本身的限制和外界环境的影响，AUV常常不能保证传感器会获得可靠的数据信息，从而使得获取的环境信息存在不确定性。当AUV在执行各项任务时，很可能会遇到突发事件的影响，例如电池等能源缺失、障碍物干扰和任务改变等，使得任务和AUV系统具有一定的不确定性。如何有效解决上述各种问题具有极其重要的研究价值和实际意义。因此，本文主要对AUV不确定环境的本体建模、事件检测以及重规划触发进行了研究，主要内容如下：首先，本文介绍了本体相关理论知识，并详细描述了基于“七步法”的AUV不确定事件本体模型构建过程，同时分别介绍了基于Racer和SWRL规则的本体推理方法。为AUV不确定环境领域知识的共享和重用提供了良好支持。其次，在本体模型的基础上对AUV不确定事件检测方法与过程进行了深入的研究。描述了AUV不确定事件的具体设计，详细分析了不确定事件检测的实现过程，并给出了两个完整的不确定事件检测实例的具体分析，同时列出了不确定事件检测的一些规则的设计及其解释。不确定事件检测为AUV精确地完成任务提供了技术基础。然后，基于不确定事件检测结论研究了AUV重规划触发模块。分别介绍了重规划触发过程、触发机制、触发条件、重规划触发层次的算法以及重规划触发的规则设计，为AUV高效地完成任务提供了一定的支持。最后，讨论了仿真实验环境和背景以及实验任务和目标，对本文前面的技术方法的有效性进行了验证，同时对仿真实验过程和结果进行了分析。