基于KAB模型的设计要素组合推导

目的 为了提高产品感性设计开发效率及意象匹配精度,采用定性和定量相结合的方法,提出一种基于层次分析法(AHP)与BP神经网络相结合的产品意象设计要素组合推导方法。方法 首先通过网络爬虫和亲和图法建立产品意象及造型数据库,以获得意象和设计要素;其次运用AHP构建产品层次结构模型及判断矩阵,计算意象及设计要素的权重系数;接着,基于形态拆解法与权重结果获得设计要素类型及优化组合编码,再运用语义差异法(SD)获取组合编码的用户感性意象均值;最后通过感性工学和AHP-BP神经网络构建KAB关键设计要素组合预测模型。结果 基于此模型预测四旋翼无人机设计方案,应用逼近理想解排序法(TOPSIS)对其进行验证评价,结果表明通过模型计算能够得到与目标感性意象高度匹配的设计要素组合编码。结论 基于此模型能够快速获得客观准确的产品意象造型设计要素组合,提高产品设计开发过程的效率。     

脑电结合行为指标的汽车内饰色彩感性评价

为准确获取用户对色彩感性的评价信息，提高汽车内饰设计的成功率与效率，引入脑电技术，在解析用户的内隐感性信息基础上，对汽车内饰色彩样本进行感性评价研究。首先收集与汽车内饰色彩相关的形容词汇，通过聚类分析获得代表性意象词汇。其次由汽车内饰图片归纳出内饰代表性色相及其空间布局，两两组合形成新内饰色彩样本。接着，内饰色彩样本与代表性词汇建立基于脑电的感性认知实验，并实施感性评价实验。然后，将收集的原始脑电数据与行为数据进行异常值剔除与正向归一化处理，获取标准化数据。最后基于标准化数据应用熵权TOPSIS法，为不同指标进行赋权，并计算样本与意象之间的相对贴近度，得出不同意象下的最佳色彩样本排序。排序结果经专家小组讨论证明客观指标筛选出的方案具有有效性，可作为汽车内饰色彩设计的设计参考。