服装纸样设计是服装工业化生产的重要环节之一，对操作人员的技能和经验依赖性极强，专业技术人员的技术水平最终决定了服装产品造型与品质的优劣。为了进一步提高服装纸样设计工作的效率与质量，降低对操作人员技能和经验的依赖性，本研究在调查研究、综合分析现有技术发展与现状的基础上，提出以人工神经网络理论指导高智能服装纸样设计技术研究与开发工作的新思路，利用人工神经网络的自学习、自组织、自适应和非线性映射等功能研究开发高智能服装纸样设计软件系统。　　 首先通过对人工神经网络结构模型与算法的探索、分析与研究，选择了比较适合纸样设计应用的BP神经网络。之后在外套纸样特征分析的基础上，构造了一个以纸样控制部位尺寸为输入层向量，以各细部设计尺寸为输出层向量，和一个隐含层的5×8×18的三层BP神经网络模型。采用企业实际生产的成品样板数据对网络进行必要的训练试验，当训练样本数达到30组时，得到了比较理想的结果。最终根据样本训练的结果和服装纸样各部位之间的几何拓扑关系，编制了基于BP神经网络的外套纸样设计的试验程序，使之具有类似于人的“高智能”性，从而实现服装结构设计中由控制部位尺寸到细部设计尺寸的自动映射。用户仅仅根据服装结构设计要求输入服装相关控制部位数据，系统便能根据网络训练结果和服装纸样各部位间几何拓扑关系生成比较理想的、符合人体工学需要的服装设计板型。　　 试验研究表明，随着网络训练的样本数增加，训练所得到的各细部设计尺寸越来越接近实际测量尺寸。将人工神经网络应用于服装样板计算机辅助设计，可以最大限度地降低纸样设计工作对操作人员技能和经验的依赖，提高服装CAD(Computer Aided Design)软件系统的智能化水平。在信息技术迅速发展的今天，研究开发具有自主知识产权的高智能化服装纸样设计软件系统，对于服装CAD技术的普及和推广具有重要意义。