传统的打板方式大多依靠打板人员的经验进行制版，规律性差，既麻烦又费时。我国于20世纪80年代开始了服装CAD系统的研究开发，但早期开发的系统侧重于放码和排料，并不具备打板功能。通过分析服装CAD打板模块的技术现状，发现目前服装CAD打板模块多采用人机交互的方式制版，缺乏灵活性且操作复杂，难以充分显示计算机辅助设计的优势。随着新一代计算机和人工智能技术的发展，知识工程、专家系统已经逐渐渗透到服装CAD系统中。通过专家系统具有的推理能力，根据存储的公式、知识，做出决策和判断，演绎出所需答案，快速、自动生成服装样片。因此，智能化是服装CAD系统打板模块的发展方向之一。通过查阅相关资料，目前的研究大多集中在构建系统、专家知识描述以及款式推理机制、智能算法模型的建立、优化服装结构设计数学模型等方面，对于基于纸样特征的样板尺寸自动生成方面的研究则相对缺乏。 本课题针对目前样板尺寸仍需通过复杂公式计算得到的现状，进行了基于纸样特征的女套装上衣样板尺寸自动生成的研究。本课题的主要成果在于： 第一，在理论阐述部分，提出服装纸样模块化设计思想以及服装纸样模块划分的原则，建立了服装样板多参数选配的约束条件，通过服装纸样模块化设计可以实现同类服装各纸样模块的互换使用，并且探讨了服装纸样模块系统的流程。 第二，根据量取目前杭州市场上女套装上衣的尺寸参数，在数据分析部分首先通过样本聚类分析，将样本共分为宽松型、半宽松型、半贴体型和贴体型四类；然后运用主成分分析法、变量的相关分析法对因子进行分析，提取了刻画女套装上衣样板特征的指标。最终完成了对服装廓型、样板特征指标等专家知识的获取。 第三，在数学建模部分，对提取的9项特征指标的100个样本数据，用非线性主成分分析法来确定各特征指标的权重，避免了主观判断法存在的缺陷；采用逐步回归法建立以胸围、胸腰差和水平肩宽三个指标作为自变量，后背宽、袖窿深、袖肥、袖口、袖山高和后横开领为因变量的多元线性回归模型；按择近原则建立样板参数寻优的数学模型。 第四，将服装规格数据的提取、特征参数的生成、加权、最小距离的判别等多项步骤串连起来，通过编程实现女套装上衣样板结构参数的自动识别。 最后，在实例验证部分，根据前面通过样板聚类所产生的四种类型样衣，分别选取它们基本变量的平均值作为输入变量，经过样板自动识别系统，从样板库中输出与所需样板尺寸最贴近的四个样本序号，并根据其样板尺寸分别制作样衣，采用三个层次的综合评判模型进行评判，得出的结论是：对样衣的总体评估态势为：32.23％为好，62.88％为较好，4.53％为一般，0.36％为较差，0％为差。评判结果验证了本课题研究成果的可行性。