普适计算是信息空间与物理空间的融合，在这个融合的空间中人们可以随时随地和透明地获得数字化的服务；普适环境中上下文感知系统成为新兴的研究领域。而作为上下文感知计算的核心技术--推理引擎，更是上下文感知系统的热门研究领域。近几年研究者把模糊Petri网模型与其推理算法应用到上下文感知系统中，模糊Petri网（FPN）对于解决知识的表示问题和提高知识的并行处理能力是一种非常有效的方法和途径，然而提出的方法都有不足之处。例如：不能解决“或逻辑”问题，算法的时间复杂度和空间复杂度都较高，基于反向传播算法的模糊Petri网的学习训练只是局限于权值的修改。　　 为了解决模糊Petri网的形式化推理算法不能处理“或逻辑”问题，本文提出了从变迁开始搜索的模糊Petri网推理算法，有效解决了“或逻辑”问题；并在不增加虚库所和虚变迁的前提下对变迁先排序再进行推理，进一步降低了算法的空间复杂度和时间复杂度。　　 在针对模糊Petri网学习训练的方法上，本文从一个全新的角度考虑模糊Petri网的学习和训练，提出了基于结果反馈的模糊Petri网学习的新算法（FBFPN）。该算法通过对纯网进行层次式分层及建立变迁点燃的近似连续函数后，调整权值、变迁的阈值、变迁的可信度的同时又调整输入矢量的多重作用来最小化误差函数。将该算法与其他算法进行性能比较，仿真结果分析表明，该算法具有良好的学习效率和泛化能力。　　 最后本文构建了轻量级的上下文感知系统--校园信息系统。将模糊Petri网推理算法应用到校园信息系统中，提高了校园信息系统推理引擎的快速性及智能性。