歡迎進入甘肅工業設計網 設為首頁 | 聯系我們 | 會員注冊
設計研究

基于感性工學和神經網絡的產品造型設計

瀏覽:2673 日期:2012-12-10

隨著世界經濟的發展和人民生活水平的提高,更多消費者將原始感受以及精神層面上的滿足作為選擇與購買產品的考慮重點,能體現個性、身份、愛好以及價值觀等個人特征的產品成為了他們追求的對象。所以,產品不再只是作為使用功能的載體而存在,消費者更多關注的是產品所帶來的精神感受,即情感需求或者叫感性意象。因此,設計人員若能掌握消費者的心理,深入探索消費者的感覺及需求,就能成功的開發出好的產品,從而提高企業的市場競爭力,學術與工業界也據此提出以感性工學理論與模式來指導新產品的開發。

感性工學是一種運用工程技術手段來探討的感性與的設計特性間關系的理論及方法。在產品設計領域,它將人們對(即已有產品、數字或虛擬產品)的感性意象定量、半定量地表達出來,并與產品設計特性相關聯,以實現在產品設計中體現(這里包括消費者、設計者等)的感性感受,設計出符合感覺期望的產品。目前,在理論研究領域,如何估計消費者或設計人員對于設計系統結果的滿意程度,如何通過納入人工智能技術來改進基于感性工學的應用系統,是其研究的重要熱點。

人工神經網絡是模仿生物神經處理系統及人類特有的學習、認知行為所發展出來的信息處理模式。由于其特有的非線性信息處理技術,有效地提高了對于直覺信息處理的能力,常用于建立輸入變量與輸出變量之間復雜的關系,被成功地應用到產品設計等領域。產品設計過程中產品的造型設計要素與消費者對產品的意象感知之間的關系屬于黑箱模型,不能夠被精確地描述,神經網絡算法非常適用于建立這兩者之間的關系。本研究將應用BP神經網絡,建構能時反映用戶情感意象評估的產品造型設計系統,從而使產品造型設計能更好地滿足用戶的感性意象需求,提高設計方案的成功率。

1 研究過程及方法

    建構產品造型設計系統的過程主要有以下4個方面。

   (1產品的形態要素分析,一般選擇用戶感性需求較高的產品作為研究對象。首先是廣泛搜集各種要設計產品的造型圖片,將這些圖片進行初步分類,去除類型接近的,找出其中一組具有代表性的產品樣本。然后以分解描述型態的方式,運用型態分析法,配合問卷調查及專家訪談,歸納出構成產品的主要要素及其型態分類,并依此建立型態要素表,確定設計參數。最后,調整設計參數,重新構建產品的實驗樣本,運用三維軟件進行建模渲染。

   (2產品感性意象的認知識別,為測試受試者對上述樣本所展示產品造型的感覺與偏好,采用形容詞匯對集合來表達所有可能的感性意象,即用它們來體現對產品的感覺,以此反映對產品語意的解讀。首先列出搜集的形容詞匯對,作為初次調查的意象詞匯集合。然后結合首次選出的代表性產品樣本,建立語義差分法(SD)調查問卷,進行問卷調查。將調查結果用統計學的因子分析和聚類分析,識別出反映消費者感性意象認知的意象詞匯。最后將這些感性意象詞匯和產品實驗樣本結合,建立第二次的SD調查問卷進行調查。調查結果經統計處理后將作為后續神經網絡的訓練數據。

   (3產品感性意象的神經網絡評估實現,采用三層BP網絡建立產品造型設計參數與感性意象之間的關系,其用于評估新形態的感性意象。網絡結構如圖1所示。

                          

    輸入為產品的造型設計參數,節點數為設計的控制參數個數。輸出為用戶的感性意象,節點數為反映消費者感性意象認知的語匯對數。隱含層的神經元數量為輸入層與輸出層神經元數量之和的二分之一。對于前向計算,從輸入層到隱層和從隱層到輸出層,傳遞函數均采用對數S型函數。應用SD調查問卷數據對神經網絡進行訓練。預留部分樣本為測試樣本,驗證網絡預測的可靠性。

   (4)計算機輔助產品造型設計系統的建構,將神經網絡評估系統嵌入CAD設計軟件,建構在設計過程中能及時評估新形態的計算機輔助造型設計系統。實例界面如圖2所示,功能分兩方面,一是通過調節設計參數,實現對形態的重新設計;二是形態設計完成后,系統預測新形態的感性意象評估值。

2  應用實例

本文以高腳杯設計進行實例研究。從實物和網絡中大量收集各類高腳杯,將圖片進行分類,去除造型比較接近的,得到12個基本樣本,應用SolidWorks重新進行建模渲染,見表1。

進行產品形態要素分析,高腳杯可分為杯口、杯體、杯腿、底座四個部分,如圖3所示。其形態可由圖4所示的6個點來控制。

假定高腳杯底座的大小和杯腿的粗細不變,因此可通過調整點1、點2、點3、點4和點5的位置而設計高腳杯的造型。其中點1沿x軸和y軸移動,控制杯口的直徑和高度;點2和點3沿x軸和y軸移動,控制杯體的形態;點4和點5沿y軸移動,控制杯體和杯腿的長度。共8個參數,即可較好地控制高腳杯的形態。12個基本樣本的基礎上,調整上述參數,共獲得50個高腳杯作為調查樣本。

    50個調查樣本和形容詞匯制成SD調查問卷,最后將得到的50份有效調查問卷進行統計分析。用問卷統計數據對BP神經網絡進行訓練,以47個樣本作為訓練數據。在訓練之前,對輸入輸出參數進行歸一化處理,訓練過程如圖 5所示。3個樣本作為測試數據,測試評價選取均方差函數(MSE)進行分析,其預測值和調查值之間的MSE均小于0.01,因此模型的預測精度良好,可用于后續新形態的感性意象評估。

應用SolidWorks API 接口技術,用VB語言將此神經網絡模型嵌入到SolidWorks軟件系統,以此建構的計算機輔助產品造型設計系統工作界面如圖6所示。

研究結論

    本研究在產品的形態要素分析、產品感性意象的認知識別和感性意象調查的基礎上,建立了能夠預測產品形態感性意象的BP 神經網絡模型,并將該模型嵌入CAD系統,建構出及時反映用戶情感意象的產品造型設計系統。該系統在進行產品造型設計過程中,設計者能直觀地感受展現的三維模型,同時系統能有效地反映用戶的情感意象評估,從而提高造型設計方案的成功率。

友情鏈接
網站首頁設計學會設計資源設計服務設計培訓設計成果設計研究 設計知識聯系我們
5544444