随着科学技术的快速发展,知识已成为经济发展的推动力和企业成功的关键力量。专家系统作为一种知识库系统,其目的是根据当前输入值模拟人类专家求解问题的思维过程,解决相关领域内的复杂问题,并达到该领域中专家的水平。大量的研究和实践表明,知识表示方法的优劣对专家系统的性能有一定影响,精确和有效的知识表示与推理方法往往成为专家系统成败的关键因素。模糊Petri网是知识库系统进行知识表示与推理的有利建模工具。它能够处理专家系统中的不确定信息,并广泛用于构建模糊产生式规则和自动化模糊推理中。由于系统复杂性日益提高,有时很难利用模糊Petri网对不确定环境下的专家系统进行知识表示与推理,且容易出现结果不准确和推理效率低下等问题。为了弥补该缺陷,本文提出两种改进的模糊Petri网模型,帮助专家系统更好地适应不确定环境并进行精确的知识表示与推理。具体研究内容如下:·基于云模型理论和区间云混合算子,提出在不确定环境下进行知识表示与推理的云推理Petri网,并将其应用到电网故障诊断研究中,通过与以往改进方法的实施结果进行比较,验证了模型的优点。·利用灰色数和Bonferroni均值算子,提出一种可以在大群体环境下进行知识表示与推理的灰色推理Petri网。将所提模型应用到运输系统风险评估中,通过与多个传统模糊Petri网方法进行比较,说明了模型的有效性。