如今的信息系统记录了数量众多的活动，企业需要从这事件数据中提取有价值的信息。因此产生了过程挖掘这门可以帮助用户了解事实并支持过程改进的新兴学科。过程挖掘主要包括三种类型的定位:过程发现，合规性检查以及过程改进。主要依托的模型工具是 Petri网。当业务流程中的活动之间存在复杂的与或关系时，基于Petri网的过程发现方法得到的模型可能无法准确反映日志中的信息。　　逻辑Petri网是抑制弧Petri网和高级Petri网的抽象和扩展,可在过程发现中简洁准确的表示活动之间复杂的业务逻辑关系。本文以逻辑 Petri网为工具，将其应用于过程发现和模型合规性检查，在过程发现中，对并行活动间存在复杂与或关系的系统，在原有的 Petri网的过程发现方法基础上，提出了一种将业务逻辑转化为逻辑变迁中的逻辑表达式的方法，并证明了其有效性。给出了一种基于逻辑 Petri网的过程发现算法，使得到的逻辑 Petri网模型相比原有模型更为简洁准确。在合规性检查中，优化原有的计算最优校准的方法，利用逻辑 Petri网的关联矩阵，给出了一种用于计算最优校准的启发式函数，提出了一种基于逻辑 Petri网的计算最优校准的方法，得到了计算日志与逻辑 Petri网之间的最优校准，提高了计算最优校准的效率。本文的主要工作如下:　　1)过程发现方面：在传统过程发现方法的基础上,为进一步提高复杂系统挖掘模型的简洁度和拟合度,尤其是对并行活动间存在复杂与或关系的系统,提出了一种基于逻辑Petri网的过程发现方法,并给出了逻辑Petri网中逻辑变迁的过程发现算法。它可以充分挖掘活动之间的业务逻辑,并且业务逻辑可用逻辑表达式表示。　　2)合规性检查方面：优化原有计算最优校准的方法，在计算最优校准的启发式函数中引入逻辑 Petri网的关联矩阵，缓解由于路由选择过多导致的空间爆炸问题。给出了一种结合逻辑 Petri网关联矩阵的启发式函数，提出了一种基于逻辑Petri网的计算最优校准的方法。它在进行计算最优校准时可以减少校准时生成的变迁系统的状态空间，提高查找最优校准的效率。　　最后，通过与相应Petri网模型的实例比较分析,例证了本文方法的正确性和有效性,且得到的逻辑Petri网模型更加适合日志行为。