面向云服务平台的产品感性评价及标注模型

为消除产品设计方案评价过程中个体评价标准的差异,同时进一步提升产品设计方案的评价效率和精度,提出一种基于YOLOv3和DFL-CNN的设计方案智能评价模型。该模型面向工业设计云服务平台,通过基于Darknet-53的YOLOv3算法实现对产品类别的自动标注。以吹风机产品为例,构建了感性语义评价数据集,并通过基于VGG-16的DFL-CNN算法对其造型语义进行细粒度分类,实现了产品类别及其造型感性语义的自动标注。该模型将设计评价问题转换为识别及分类问题,能够实现毫秒级的设计方案评价效率及95%以上的评价精度。最后,通过与不经过YOLOv3的DFL-CNN以及DFL-CNN的基础网络VGG-16进行对比实验,证明了所提模型的有效性及优越性。     

基于胶囊网络的产品形态设计决策模型

针对小样本数据集条件下深度学习算法的方案图像智能决策限制问题,提出一种基于胶囊网络的产品形态设计决策模型.应用人工智能方法搭建基于产品形态语义的多视角图像数据集,并将数据集图像进行预处理和特征提取.再利用卷积层学习得到图像特征,将不同卷积层中的若干特征划分为一组,生成具有丰富语义特征的主胶囊.利用动态路由算法获取一组数...     

基于多目标进化算法的协同设计冲突消解方法

针对协同设计中的目标冲突问题,提出了基于模糊集和多目标进化算法的冲突消解方法.分析了协同设计冲突产生的原因,建立了冲突问题的多目标模型;使用多目标进化算法对模型进行求解,得出符合决策者决策偏好的最优解集;利用基于模糊集理论的满意度函数对解集进行满意度排序,选取满意度最大的解作为综合最优解.以两个典型工程设计问题为应用案例进行仿真实验,利用基于决策偏好多目标粒子群算法来搜索符合决策偏好的最优方案集,并与基于多目标决策的协同设计冲突消解方法进行对比分析,结果证明了该方法的有效性.     

多属性决策在装备维修性设计中的应用

提出在多属性决策下基于优势属性集的偏好序关系模型。优势属性集的重要性不再由定量化权值衡量,而是利用人工智能技术将决策者对它们的偏好信息以知识形式表达出来,结合相应的规则自动推理,确定各方案之间的偏好序关系,并在维修性设计过程中得到应用。     

基于不完全互惠偏好关系的产品工业设计方案决策

为解决产品工业设计方案决策中的偏好缺失问题,引入不完全互惠偏好关系,提出了产品工业设计方案决策流程。研究了不完全互惠偏好关系的基本理论、运算法则与缺失偏好处理算法,并据此确定产品方案偏好矩阵的一致性权重,借助层次分析法获取决策者信任权重,建立共识度模型评判决策群体偏好一致性,根据不完全互惠偏好关系一致性权重和决策群体信任权重确定非共识决策的反馈机制,利用粒子群优化算法和最小成本法对产品工业设计方案决策的不完全互惠偏好矩阵进行优化,以促使决策共识达成,输出产品方案整体支配度,确定方案优劣。以汽车充电桩的产品设计方案决策为例,开发了软件原型系统,验证了所提方法能够有效处理产品工业设计方案决策中的偏好缺失问题,提升设计决策的质量和效率。     

基于多目标粒子群优化算法的汽车造型设计决策模型

为降低主观性和个体决策差异对汽车造型设计方案决策的影响,提出一种基于多目标粒子群优化算法的汽车造型设计决策模型,该模型通过限定汽车造型设计决策约束空间、决策变量的数量等因素,利用多目标粒子群优化算法对设计方案进行多目标决策,并采用层级分析法选取汽车造型设计最终(优)方案,将汽车造型设计决策问题映射到数学模型,来完成对整个汽车造型设计方案决策过程的模拟,引导汽车设计师有条理地进行创新设计,并辅助决策者各轮次的方案评价。以某紧凑型SUV汽车造型方案的设计决策为例验证了模型的可行性和合理性。     

运用遗传算法的产品造型设计方案优化方法

从产品语义出发,提出一种基于遗传算法的产品造型设计方案优化方法,构造基于语义的产品造型进化设计模型。通过构造产品造型基因编码和基因串及适应度函数,对产品造型设计方案进行优化并形成新的方案,应用板式家具的造型设计验证了方法的适宜性。     

基于可拓语义分析的有轨电车造型设计研究

针对有轨电车造型设计对地域文化符号提炼不明确的问题,提出基于可拓语义分析的设计方法。通过提取表征文化内涵的词汇构建可拓表征模型,并将有轨电车造型语义与文化的关系进行量化;利用图解思维将造型语义转换为图解语义,依据关联度函数和优度计算的评价模型进行图解语义集收敛,选取有轨电车造型最优图解语义集;最终将文化特征以语义符号的形式与产品造型相融合,并以地域文化的有轨电车造型设计为例,验证该方法的可行性。     

基于视觉感知的灰色设计决策方法

针对人的隐性知识在设计决策过程中难以外显,导致决策结果不确定的问题,提出了一种融合视觉感知数据的灰色设计决策方法。基于视觉感知、注意与偏好的映射关系,建立视觉感知认知模型。综合决策者显性维度的主观选择和隐性维度的眼动追踪数据,构建偏好设计决策的评判机制,利用余弦距离来分配决策者权重,利用灰色决策综合排序求得方案的优劣顺序。以电饭煲为对象进行实例研究,结果表明该方法能得到客观、准确的决策结论,可有效应用于信息有限条件下的群体决策,为设计创新提供方法参考。     

用户感性意象数据的可视化分析技术

为在设计决策中对用户感性意象调研数据进行直观有效地应用,基于语义差异法与CorelDraw软件,开发了用户感性意象数据的可视化分析工具.单款产品意象和产品综合意象两个数据可视化处理模块作为技术工具核心,可对单款产品的多用户意象进行可视化表达,绘制出用户意象地形图,并对多款产品的用户意象地形图进行融合处理,以辅助设计人员进行决策.以地铁车辆造型设计为例,运用所开发的技术工具进行分析,设计了一款新车型,经试验证明,该工具具有合理性与可用性,可在用户感性意象数据分析过程中起到有效作用.     

基于偏好信息的产品设计方案优选方法

针对产品设计方案优选过程没有同时考虑用户与决策者偏好信息的多属性决策问题,提出基于偏好信息的区间数广义马田系统的方案优选方法。该方法运用语义施密特正交马田系统计算指标的初始权重,根据用户与决策者的偏好采用模糊Kano与程度分析的方法对指标权重进行修正。为处理指标之间交互作用以及不同量纲对决策结果的影响,融入偏好信息进行方案优选。以某汽车概念产品设计方案优选为例,验证了所提优选方法的可行性和有效性。     

基于决策偏好的多目标粒子群算法及其应用

针对传统多目标粒子群算法在解决复杂多目标优化问题上的不足,提出一种基于决策偏好的交互式多目标粒子群算法。该算法考虑决策者的正偏好和负偏好对粒子的引导作用,首先计算外部种群粒子与双极偏好点的相对贴近度,并进行排序;根据排序结果进行外部种群管理和全局最优解更新;使用δ-邻域值控制Pareto解集的分布性。在随机多目标库存控制应用中,证明了该算法对复杂应用问题求解的有效性,性能对比结果表明,该算法的收敛性、多样性和运算时间优于基于参照点的第二代非支配解排序遗传算法。     

基于KE和AHP理论的汽车造型意象评价方法研究

为解决汽车设计过程中造型特征获取和设计完成后汽车造型意象认知二者之间的匹配问题,辅助设计师通过造型意象评价对设计方案进行合理选择,提出了一种基于感性工学和层次分析法的汽车造型意象评价方法。以汽车设计中的车型、品牌和风格特征要素建立造型特征集,通过感性工学理论实现造型意象词汇的量化,以确定语义特征集,运用层次分析法建立造型特征集与语义特征集之间的关系,从而构建影响造型意象评价的指标体系,建立模糊评价矩阵,计算各评价指标权重并进行综合排序;最终对设计方案进行模糊综合评价,获得最佳造型意象设计方案。将该评价方法应用于3款电动汽车造型设计方案评价中,运用模糊隶属度函数,建立模糊评价矩阵,并对各个指标的评价结果进行量化处理,筛选得出最佳造型意象设计方案,为项目开发提供了有效参考。     

基于模糊物理规划与互反馈的产品工艺方案绿色性分析

针对绿色工艺决策中合理且有实际物理意义的目标权重难以确定的问题,提出基于决策者主观偏好和决策信息互反馈的产品工艺方案绿色性分析技术。通过对用户层、满意偏好捕获层、方案决策层、方案评估层与候选方案层的分解细化,实现了工艺方案绿色性分析的多层架构。运用模糊集理论对决策模糊知识进行处理,依据捕获的决策目标偏好建立反映决策者主观信息的偏好函数,搭建模糊语境下绿色满意工艺方案的物理规划决策模型。通过决策者与工艺方案间的满意信息互反馈,实现基于模糊物理规划与互反馈的工艺方案绿色满意度决策。结合某汽车零部件工艺方案的绿色性分析对所述方法进行了说明和验证。结果表明,该方法可以有效避免决策目标权重确定的局限性,提高决策满意度。     

面向感性需求的家庭服务机器人造型设计研究

为挖掘老年群体对家庭服务机器人造型的需求,运用感性工学理论,提出一种探讨各感性需求内部相关性及各感性需求对造型设计要素重要程度的方法。采用语义差异法和李克特量表对代表性样本造型意象的感性认知进行分析,构建语义库,运用格拉布斯(Grubbs)准则消除粗大误差,通过SPSS软件对感性词汇测量数据进行主成分分析和因子系数数量化分析,得出影响造型设计的主要因子,明确感性意象与服务机器人造型要素之间的映射关系,提取产品主要部位的感性造型特征,并依据主要因子所对应的代表性样本对家庭服务机器人进行造型设计。结果表明:感性意象空间的构建和感性需求相关性分析的方法可有效指导家庭服务机器人造型设计。     

基于深度学习的产品色彩情感化设计

为准确把握用户对于产品色彩的情感意象感知规律,创新性生成符合用户情感偏好的产品色彩设计方案,提出一种基于深度学习的产品色彩情感化设计方法。首先运用语义差异法和GoogLeNet模型构建产品色彩情感意象数据集;然后,基于产品色彩情感意象数据集与条件深度卷积生成对抗网络(C-DCGAN)搭建产品色彩设计方案生成模型,创新性生成产品色彩设计方案。最后,以出租车色彩设计为例,验证了所提方法的有效性与适用性。     

产品材料质感偏好意象进化认知算法与系统

为了使产品设计师能够通过材质设计增加产品差异性,提高消费者的满意度,提出一种基于基因表达式编程的材料质感偏好意象进化认知算法。综合考虑产品材质的视觉、触觉物理量与视觉心理量对产品偏好的影响,对124个地板样本的材色、光泽度和粗糙度物理量进行了测量。60名受试者对地板样本分别进行了纹理和偏好心理量的主观评分,采用主观量表获取实验数据。经过无量纲化处理和主成分分析后,归纳出四个主成分为自变量、偏好意象为因变量,将解析材料质感要素与消费者偏好意象之间的认知关系转化为复杂函数关系建模问题。结果表明,在求解产品材料质感偏好意象认知关系的问题上,该算法比神经网络和支持向量机算法具有更好的预测效果和更强的鲁棒性。基于该偏好进化认知算法开发了地板喜好度测评系统,并在实际应用中验证了算法的有效性。     

多维意象下产品造型满意度预测模型研究

为均衡有效地满足用户多维复合意象的情感需求，提升多维意象下产品造型与用户满意度的匹配程度，提出一种结合熵权法与BP神经网络的产品造型满意度预测模型。以老年代步车为例，建立了产品造型元素集和多维意象集，采用语义差分法获取了样本评价值，并采用熵权法计算多维意象权重；将样本造型元素进行编码作为第1层BP神经网络模型的输入变量，将多维意象加权评价值作为第1层输出变量和第2层BP神经网络输入变量；将用户满意度评价值作为第2层BP神经网络输出变量，并通过K-fold交叉验证法训练和测试双重BP神经网络预测模型，验证结果显示：预测模型满意度MSE值小于0.01,表明该模型能有效映射多维意象下产品造型与满意度间的隐性关联。运用该模型对300个新方案进行预测，快速决策出最佳方案，为设计人员提供参考。     

儿童产品造型语义模糊评价

基于产品造型语义特征在儿童清洁用具设计中的内涵,建立产品语义模糊评价的儿童产品表征方法,并以儿童清洁用具为例,运用模糊评价方法对其方案在造型、颜色、可操作性、人机关系4个角度进行评估,进而将抽象语义转化为数值。通过综合性评价,验证该评价模型可有效针对不同儿童产品造型设计方案,为儿童产品的造型设计评估提供可量化和参考的依据。     

基于产品语义分析的新能源汽车造型设计研究

针对新能源汽车造型设计的特点,以某电动汽车造型设计为例,探讨产品语义分析在新能源汽车造型设计中的应用。阐述了产品语义的内涵,基于信息传播理论将汽车造型设计的语义定义为能指与所指,并进行了形式化描述;提出了基于自然语言处理的产品语义表征方法,通过社会、经济、技术三因素,分析了电动汽车的产品机会;以实例说明了产品语义分析在新能源汽车造型设计中的运用方法,从而为新能源汽车造型设计提供一种可行的技术途径。