随着人们对汽车各个方面的要求增加,汽车的重量和成本也随着不断增大,对环境的影响也越来越大。因此,汽车轻量化问题不止是学术界研究的重点,在工业界也一直备受关注。但是轻量化设计的实现总是需要消耗大量时间,所以需要轻量化潜力设计方法帮助人们找到在哪些方面能实现最有希望的减重,进而提高轻量化设计的效率。目前,虽然轻量化方法的研究很多,对轻量化潜力的研究却很少,而其中功能与质量的匹配是轻量化潜力研究的重要内容。本文在目标重量法这个轻量化潜力设计方法的基础上,首先根据收集到的相关资料采用构建功能结构的方法对汽车白车身系统进行功能分析,其次考虑功能两两比较和用户调研数据分析功能需求两方面对汽车白车身数据进行功能与质量的匹配,估算出各个功能的质量。然后根据估算结果,采用机器学习的方法,进行功能质量的预测,来简化功能质量的确定过程。采用交叉验证法,根据输入原始数据特征预测出的各个功能质量的结果与真实值的比较,分析了普通线性回归、贝叶斯岭回归、弹性网络回归、支持向量回归、梯度增强回归、XGBoost模型等多个学习算法的性能度量结果,发现XGBoost模型和梯度增强回归算法对功能质量的预测效果较好。最后,基于SMOTE升采样方法的思想,对原始数据量进行扩大,分析扩大后的数据量对功能质量预测结果的影响和各个机器学习模型的性能表现。发现数据量增加后,性能评估较好的依旧是XGBoost模型;而普通线性回归、贝叶斯岭回归、弹性网络回归、支持向量回归模型在有些功能质量的预测中,性能度量有所提升。