近年来,人们对传统Petri网在人工智能中的应用已经进行了大量的研究。但是,随着应用的深入,人们发现传统Petri网有一个缺点,就是不能描述不精确知识。然而,现实世界中大量复杂的问题存在着不精确性,难以用精确的知识表示。因此,随着模糊数学的出现,人们提出了模糊Petri网的概念,它具有处理不精确知识的能力。本文以模糊Petri网(FPN)的基本数学定义为基础,通过讨论基于模糊产生式系统的模糊知识表示法,建立了模糊产生式规则与模糊Petri网之间的映射关系,提出了相应的转换算法;为了提高模糊Petri网的表达能力,本文根据模糊知识表示的特点,提出了改进的模糊Petri网模型,减少了Petri网的结点数目,在一定程度上降低了网系统的复杂程度;对于基于模糊产生式规则的知识库系统,提出了基于FPN模型的正向推理算法和反向推理算法,并且在信息不完备的情况下,能够进行默认推理;结合两种推理策略的优点,提出了一种基于FPN模型的双向推理算法;通过对模糊Petri网动态运行机制的分析,给出了基于FPN模型的知识库一致性维护算法。通过修改托肯增量计算函数,对新知识进行肯定并且对旧知识在一定程度上进行保留,提供了对非单调推理的支持;最后,结合面向对象技术与可视化编程技术,用VC++6.0在Win32平台下实现了上述系统的原型系统。