由于客观环境的复杂性或智能系统认知能力的限制,智能系统从环境中获取的知识往往具有不确定性。模拟人类智能对不确定性知识进行表达和处理并形式化地表示不确定性知识,使机器具有不确定性智能,是人工智能领域的研究热点之一。在对环境的认知过程中,人类往往是从环境中逐步获得知识并选择性地记忆重要环境信息,这使得根源于知识不完备性的主观不确定性知识成为人类记忆中不确定性知识的主要类型之一。目前,移动机器人逐渐步入人类的日常生活,需要能够和人类进行交互,需要以类似于人类智能的模式来表达环境知识并完成导航任务,移动机器人具备表达并应用主观不确定性知识能力的需求日益迫切。因此主观不确定性知识的表达以及基于主观不确定性知识的推理、决策等理论和方法的研究对于移动机器人智能性的提高有着重要的意义。灰色系统理论致力于研究主观不确定性知识的表达,而定性理论中建立的系统建模、问题分析等方法侧重于人类智能特点的模拟,本文融合灰色系统理论和定性理论的特点,建立主观不确定性知识的灰色定性表达方法,目标是形成一套符合人类智能思维模式的知识表达体系,并在此基础上建立定性定量集成的智能推理和决策方法。再以灰色定性知识表达方法为基础,分析人类认知地图特点,构造综合人类认知地图与机器人导航地图优势的灰色定性地图,建立基于灰色定性地图的机器人路径规划算法。实验表明,在环境知识的复杂度、路径规划效果方面本文方法均有一定优势。本文的主要工作和贡献如下：(1)融合灰色系统理论和定性理论的特点,以灰色定性基本元、灰色定性基本元的关键点集,灰色定性量空间、灰色定性关系、灰色定性特征值以及广义白化函数为核心概念建立主观不确定性知识灰色定性表达方法体系。灰色定性基本元、灰色定性量空间、灰色定性关系分别对应定性理论中本体基元、量空间、因果性三个基本要素；灰色定性基本元、灰色定性基本元的关键点集和广义白化函数分别对应于灰色系统理论中的区间灰数、区间灰数的边界点和白化函数。以灰色定性基本元作为融合灰色系统理论和定性理论的桥梁。(2)指出客观不确定性系统和主观不确定性系统的区别,提出一种针对仅有少量已知主观不确定性规则的系统的灰色定性建模方法,模拟人类智能在未知环境中不断积累、融合以及应用主观不确定性规则的能力。(3)综合国内外对认知地图的现有研究成果以及灰色定性知识表达方法,提出既适合于人机交互又适合于机器人导航需求的灰色定性地图：以环境的剖分及剖分之间的邻接关系作为定性层,模拟人类智能的认知地图,便于人机交互；以剖分的顶点坐标及势场向量为定量信息,用于决定机器人在导航过程中的运动速率及方向。灰色定性地图的特点还在于其模拟了人类智能记忆环境知识的特点,可以用环境中少量关键信息支持机器人完成路径规划任务,降低了环境模型的复杂度。(4)提出一种基于灰色定性地图的无陷阱人工势场算法,利用灰色定性地图中剖分的顶点坐标及势场向量计算整个环境中的势场,解决了因仅用障碍物斥力和目标点吸引力计算的传统人工势场中存在陷阱而使目标点不可达的问题。再进一步对此算法进行了优化,通过调整灰色定性基本元的部分顶点坐标及势场向量,使得机器人可以在基于灰色定性地图的人工势场中获得平滑路径,便于实际应用。