国家发布了以智能制造为主攻方向的《中国制造2025》战略文件,提出着力发展智能装备和智能产品,推动生产过程智能化的理念。越来越多的车企都将汽车制造生产技术与智能制造技术不断地深度融合。随着国内外汽车企业生产制造汽车水平的不断提高,汽车行业的竞争重点正在从生产制造技术转向汽车外观造型设计。因此,本文将人工智能的技术应用到汽车造型设计,主要工作如下:(1)针对无监督关键词提取方法的经典代表算法TFIDF(Term Frequency-Inverse Document Frequency)算法存在完全基于词频信息,忽略了其他词汇特征项对关键词提取影响的问题,提出了一种基于文本分析的汽车造型用户需求提取方法。通过获取未登录词汇、引入词汇特征、词汇情感特征的方式,提升了提取用户需求特征的精度。相比于传统的TFIDF算法,能有效获取用户需求特征。(2)为了获取符合用户需求特征的汽车造型风格图像,提出了一种基于用户需求的汽车造型特征匹配方法,并且构造了多层次标签化的汽车造型库。其中,汽车造型库主要从用户属性和汽车造型风格两个方面描述了汽车造型的特征,并且将提取的用户需求特征向量与汽车造型库标签向量进行文本空间向量相似度计算,获取符合汽车造型风格图像,并且通过实例验证了本文方法的有效性。(3)针对传统图像风格迁移算法存在仅能实现两幅整体图像之间的特征迁移,从而无法实现指定汽车对象之间造型特征迁移的问题,提出一种基于语义信息的汽车造型图像风格迁移算法。在传统风格迁移算法的基础上引入语义分割网络,并且将马尔科夫随机场代替传统方法的格拉姆矩阵,改进了风格损失计算方法。将该方法与传统的图像风格迁移算法和两种现有的改进算法进行实验对比与分析,验证了方法的有效性。(4)为了验证本文提出智能设计方法的有效性,完成了用户需求特征提取、汽车造型特征匹配、汽车造型智能生成的实例研究。并通过图像质量、方法性能与用户评价三个方面进行分析,从而验证了提出方法的有效性。