常识推理中的一些信息具有不一致性、小完全性与不确定性。这样的信息,不能称为真理,只能称为信念。信念修正是一种研究常识推理的重要方法。该方法的主要思想是首先根据一定的假设对信念进行排序,然后用较可靠的信念去修正不够可靠的信念,最后得到一致的信念集。由于信念修正方法对信念集不断地进行修正,在推理过程中会丢失希望的信息,产生不希望的结论。信念非修正方法的主要思想是当获得的新信念与原信念集中的一些信念产生冲突时,对这些不一致信念不做任何处理。采用某种形式的语义,通过将该信念集能够推出的并且没有矛盾的信息作为系统最终的结论集,这种方法解决了不希望结论的产生以及结论集合难于抉择的情况。对于信念的加权问题,传统的方法主要采用有限链结构去刻画信念的可靠程度。虽然得到了广泛的应用,但是由于有限链中的元素是非连续的和全序的,应用范围过于局限。本文将有限链结构推广为平滑格结构,在语法上用平滑格中的元素刻画信念的可靠性,解决了信念存在不可比较的问题。本文主要针对于有限链结构表示范围的局限性以及信念修正方法的不足,在一阶逻辑中,将假说限制为使用平滑格元素加权的子句集,采用归结的方法作为蕴含语义,定义了假说扩充。并且证明了该假说的扩充具有良好的性质。同时对假说的扩充是否是一致的进行了讨论。本文还对加权子句型假说的认识进程的收敛性进行了研究。首先,定义了加权子句型假说的认识进程,然后给出了判断该认识进程是否收敛的条件。最后证明了加权子句型假说的认识进程具有收敛性。本文提出信念非修正理论在一阶逻辑中一种新的可能的实现方法。该方法扩大了关于信念非修正方法的研究范围。