Petri网作为一种高效的建模和分析工具，近年来得到了快速的发展，但是Petri网作为一种纯理论工具，并不能适合所有领域的应用需求。所以，针对不同领域的研究对象，很多学者提出了各种各样改进的Petri网理论，如近年来得到普遍应用的随机Petri网、着色Petri网等，模糊Petri网作为Petri网的一个重要分支，也越来越多地引起了人们的兴趣。模糊Petri网由于更符合人类的思维和认知方式，在描述和分析许多物理系统乃至社会系统的并行和并发行为时具有广泛的意义。特别是应用在人类知识的表示和人工智能中非常合适，在这一方面，已有许多学者进行了研究。 本文研究了基于加权模糊Petri网的不精确知识表示和推理的理论与方法，并在此基础上实现了基于矩阵运算的加权模糊Petri网知识推理实验系统，研究内容如下： (1)对基于可信度的不确定推理模型进行了研究，将阈值、权值引入到基于可信度的不确定推理模型中，提出了含阈值的加权CF模型；对加权模糊Petri网的基本概念、形式化描述、分析方法等进行了研究，扩展了加权模糊Petri网中的点火规则、引入了补弧的概念使加权模糊Petri网适合于知识推理，并将含阈值的加权CF模型和扩展后的加权模糊Petri网结合起来，用于不精确知识的表示及推理。 (2)对基于模糊Petri网的模糊推理算法进行了研究，将矩阵运算引入到推理算法中，提出了基于矩阵运算的加权模糊Petri网的正、反向推理的形式化算法。 (3)研究了利用Petri网进行知识一致性的维护，讨论了加权模糊Petri网中存在循环推理路径和矛盾命题的处理方法，给出了两个分别用于消除循环推理路径与矛盾命题的算法。 (4)研究了模糊Petri网的学习能力，将神经网络中的BP算法融合到加权模糊Petri网中，提出了一个基于加权模糊Petri网的学习算法，对加权模糊Petri网中的输入弧上的参数(命题的权值)进行学习。讨论了利用遗传算法获取加权模糊Petri网中输出弧上的参数(规则的可信度)，并给出了相关算法。