定性映射(Qualitative Mapping，QM)模型是思维建构和智能模拟的属性论方法中的的基本数学模型，它表达的是事物属性量—质特征转化关系，其哲学基础是事物质量互变规律，其基本内涵是依据特定的属性基准，从事物的一个或多个量特征中抽取出质特征。在数学上已经证明它可以推导出人工神经元，用它可以解决异或分类问题，双螺旋问题等人工智能问题中的经典难题。 论文在论述了各类定性映射模型的基础上，提出了属性Petri网(Attribute Petri Net，APN)。形式化地定义了APN的数学结构，利用APN图形化的工具，形象地描述了定性映射。在属性Petri网中，变迁的启动规则以及库所标识的计算都有别于传统的Petri网，因此，本文重新定义了APN的变迁点火条件、可达标识集、关联矩阵和状态方程。APN的状态方程反映了库所在不同状态下的标识情况，是对APN动态性质地描述。在分析了APN的静态和动态结构之后，给出了定性诊断推理算法和基准调节学习算法。 随着科学技术和经济建设的发展，机械设备和制造过程的状态监测和故障诊断已成为保证系统运行稳定性、可靠性和安全性，以及提高产品质量和生产效率的关键技术和重要手段。属性Petri网直观地表示了属性量—质特征转化关系，从而可以作为监测诊断系统的建模分析工具。本文应用APN建立船舶主机冷却系统的故障诊断模型，并利用Visual C++开发工具，实现了船舶主机冷却系统的故障诊断原型。 本文研究的意义在于：属性Petri网可以使得属性论方法的研究与应用领域更加丰富。