面向多维KE模型构建的产品特征解构方法

 传统感性工学(kansei engineering,KE)使用的形态学图表法(morphological charts,MC)聚焦于形态“轮廓”变量以及各产品构件拆解,造成一维变量表达的研究结果在外观感性设计阶段价值微弱.以“造型特征”取代“产品构件”为解构原则,融入认知科学、形态学观点,丰富“外观层面”特征解析要素.除视觉认知的“外观层面”外,融入“使用交互”及“文化象征”层次,且提出一种多感官通道的多维度的特征解析步骤,更符合造型设计规律.结合空气净化器产品案例验证该方法的具体使用过程,确保KE模型更可靠.     

基于质感要素的产品材质意象设计研究

目的为了探讨产品材质意象设计的有效方法,研究利用质感要素来构建材质意象评价体系。方法利用色彩理论、主成分分析法等方法,确定产品色彩、材料、表面处理工艺的质感要素、质感要素评价等级和质感要素评价系数。利用质感要素定量描述确定材质、质感要素、材质意象的数学表达式,并构建三者之间的关系模型。结果以水杯为例,利用最小二乘法确定水杯材质意象评价模型。经验证,水杯材质意象评价模型的准确率为80%。结论质感要素评价等级、质感要素评价系数为材质意象设计提供了参数化方法。产品材质意象关系模型较好地反映了材质、质感要素、材质意象之间的内在关系。利用提出的材质意象设计方法,可计算任意产品的材质意象值,为产品材质意象设计提供理论指导。     

自动驾驶公交车的接受度及感知安全分析研究

目的 随着自动驾驶技术的迭代发展和相关实验研究的深入,其运用领域被不断拓展,因此绿色低碳的自动驾驶公交车备受瞩目,探究公众对自动驾驶公交车的接受度及感知安全判断的心理影响因素,为相关研究提供数据及理论支撑。方法 将技术接受模型进行拓展,建立自动驾驶公交车多重影响因素的结构方程模型,包括行为意向、信任理论、感知风险、感知安全等变量因素,调研公众的感知性数据指标,并使用偏最小二乘法建模进行验证分析。结果 各变量因素间呈显著性影响,信任、感知有用性和感知易用性的影响效果最为显著。结论 所建模型能对数据进行量化分析,通过心理影响因素进行筛选排序,能对未来相关设计实践提供参阅依据,有助于提高公众对自动驾驶公交车的信任和接受度。     

近红外光谱与模型集群分析测定毛涤混纺织物成分含量

将近红外光谱法和模型集群分析方法应用于毛涤混纺织物成分含量的快速无损测定。以近红外测量方法采集93个毛涤混纺织物的光谱信号,利用光谱预处理消除信号漂移的影响,在模型集群分析基础上,剔除异常样本,筛选出30个关键波长,采用偏最小二乘法(PLS)建立涤纶含量的预测模型。所建立模型的训练集相关系数r2为0.9827、交互验证均方误差(RMSECV)为3.26、预测均方根误差(RMSEP)为3.34,预测结果令人满意,适合于毛涤混纺织物中涤纶含量的快速、无损检测。     

基于均匀设计及非线性偏最小二乘法的非闭合电极ECT传感器参数优化设计

提出了一种非闭合电极电容层析成像(ECT)传感器结构参数的优化方法.采用均匀设计结合非线性偏最小二乘(NPLS)回归,提取传感器结构参数(电极极板的宽度 L、绝缘外壳的壁厚δ1.、屏蔽罩与绝缘外壳间距δ2及绝缘外壳材料的相对介电常数ε)与待优化指标(敏感场的均匀度及灵敏度指标p1、最大与最小电容的比值 K)间的函数关系,建立相应的优化目标泛函,通过对优化目标泛函的求解,最终获得传感器结构参数的最优值.并以 10 电极非闭合电极 ECT 传感器为研究对象,进行了结构参数的优化设计,根据优化结果设计制作了非闭合电极 ECT 传感器,对其成像进行了仿真与实测.结果表明,参数优化后的传感器图像重建质量优于未优化的传感器.     

基于核主成分分析与正交最小二乘法的软仪表建模方法及其在柴油凝点预报中的应用

针对非线性、高维工业过程,提出一种基于核主成分分析(KPCA)与正交最小二乘(OLS)的软仪表建模方法。该方法首先采用KPCA技术对,在特征空间中对高维输入数据进行降维处理,消除噪声等不利因素的影响;然后采用OLS处理输入输出之间的非线性关系,在最大化泛化能力的同时,实现模型的稀疏性。将此软仪表模型应用于柴油凝点的预报,结果表明,较其他方法,提出的方法有较好的泛化能力及稀疏性。     

基于结构方程模型的手机产品意象造型设计

提出基于结构方程模型的产品意象造型优化设计方法.选择目前市场流行而又缺少感性设计研究的滑盖手机为研究对象,运用语意差异法、因子分析法提取内隐的用户意象语意信息,运用形态分析法分析产品造型特征,确定产品造型要素,再运用结构方程模型求取顾客偏好模型以及造型要素与意象词对之间的量化关系模型,并进行了模型拟合.模型清晰地反映了顾客偏好、造型要素和意象词对之间的量化关系,为产品造型优化设计提供了思路和方法.     

基于主成分分析和模糊Kano模型的并条机造型设计研究

目的 为了更准确地获取并条机的用户需求,从生产实践中获取设计相关因素,提出一种并条机的设计开发流程。方法 采用主成分分析(Principal Component Analysis,PCA)和模糊Kano模型相结合的方法,综合两种方法各自的优势,通过PCA剔除信息重复和交叉的设计因素以降低数据维度,减少分析并条机设计因素的数量,依据模糊Kano模型中用户需求的计算方法和相关规范,结合各设计相关因素进行问卷设计,再对调研数据统计和分析后得到并条机各设计影响因素的用户需求类别,最后融入并条机的创新设计过程中。结论 以并条机造型设计为例,基于主成分分析和模糊Kano模型的分析结果进行了造型上的创新设计,验证了并条机设计开发流程的有效性和可行性,为并条机的设计提供依据,也为相关类别产品的设计提供量化分析参考。     

基于视觉的内窥镜端部位姿模型分析

针对在假设内窥镜端部固定不变的条件下进行基于光纤光栅传感阵列的内窥镜柔性杆的三维重建存在的问题,提出了基于标志点的内窥镜端部位姿视觉检测模型;利用视觉技术和通过标志点的空间位置信息来获取内窥镜端部位姿的方法,建立了基于主元分析方法及最小二乘法分析标志点位置信息误差对内窥镜端部姿态的影响的方法.模拟分析结果表明,当三个标志点的位置信息误差满足高斯分布且方差在0～3mm之间时,其姿态的最大误差角度为0.59°.通过实验证实了理论计算方法能够有效地利用带有误差的位置信息求解内窥镜端部位姿及误差的大小,为微创手术器具的位姿检测提供了理论和实验基础.     

基于近红外光谱分析技术的液态水性油墨印刷品 颜色预测模型

针对印刷品颜色离线检测存在滞后、检测不精准等问题,提出基于近红外光谱分析技术的液态水性油墨印刷品颜色预测模型。用多元散射校正（MSC） 、标准正态变换（SNV）和卷积平滑滤波器（SG）对原始光谱数据进行预处理,将原始光谱数据及预处理后的光谱数据分别与印刷品的Lab值建立偏最小二乘回归（PLSR）和主成分回归（PCR）两种预测模型。结果表明,基于MSC预处理的PLSR预测模型的预测精度最高,L、a、b值的R2分别高达0.9885, 0.9879和0.9938,预测颜色的平均色差约为0.71。液态水性油墨的近红外光谱可以精确预测印刷品颜色,为印刷品的在线检测提供了新思路。     

Latent Structures-Based Multivariate Statistical Process Control: A Paradigm Shift

ABSTRACT

The basic fundamentals of statistical process control (SPC) were proposed by Walter Shewhart for data-starved production environments typical in the 1920s and 1930s. In the 21st century, the traditional scarcity of data has given way to a data-rich environment typical of highly automated and computerized modern processes. These data often exhibit high correlation, rank deficiency, low signal-to-noise ratio, multistage and multiway structures, and missing values. Conventional univariate and multivariate SPC techniques are not suitable in these environments. This article discusses the paradigm shift to which those working in the quality improvement field should pay keen attention. We advocate the use of latent structure–based multivariate statistical process control methods as efficient quality improvement tools in these massive data contexts. This is a strategic issue for industrial success in the tremendously competitive global market.     

基于语义差分法的421家庭智能音箱外观设计

目的 从421家庭的情感需求出发,归纳三代同堂家庭的情感特征,通过设计营造具有温情科技感的外观使用体验,以及具有差异化的智能音箱造型。方法 基于语义差分的分析方法,建立针对421家庭的语义词汇测试体系,通过审美偏好问卷调查,提取421用户认同的情感语义词汇,以现有市场音箱产品为样本,经由用户评估情感语义分值并通过SPSS软件进行主成分分析,提取符合421家庭情感需求的情感因子主成分,明确外观设计方向。结论 从量化思维角度,将所得数据转换为产品造型语言,指导智能音箱的外观设计,使产品更符合421家庭的情感需求及审美喜好,并通过设计反馈为造型方案评分,使整个外观设计研究形成闭环,为产品语义设计方法与智能家居产品外观设计的研究提供一些思路和参考。     

Exploring nonlinear relationships in chemical data using kernel-based methods

Kernel methods, in particular support vector machines, have been further extended into a new class of methods, which could effectively solve nonlinear problems in chemistry by using simple linear transformation. In fact, the kernel function used in kernel methods might be regarded as a general protocol to deal with nonlinear data in chemistry. In this paper, the basic idea and modularity of kernel methods, together with some simple examples, are discussed in detail to give an in-depth understanding for kernel methods. Three key ingredients of kernel methods, namely dual form, nonlinear mapping and kernel function, provide a consistent framework of kernel-based algorithms. The modularity of kernel methods allows linear algorithms to combine with any kernel function. Thus, some commonly used chemometric algorithms are easily extended to their kernel versions.     

论感知精度在产品设计中的应用方法

论述了感知精度的概念及其在设计中的至关重要性,并结合学习和设计实践的过程,分析了感知精度在产品设计中的应用方法,以及设计者在产品设计过程中如何提升自己的感知精度,进而分析了感知精度的培养对提高设计水平大有裨益,最后得出感知精度能够锻炼设计者正确把握产品的精度和美感,并对产品物化的实现和提高消费价值有着积极的作用。     

基于主成分层次分析的产品设计语义差分评价研究

目的 以外观设计评价为研究对象,提出一种语义差分评价方法。方法 运用主成分分析法,对初始多维语义进行主成分提取,得出综合语义指标和分值,再通过层次分析法构建综合语义指标的主观评价矩阵,最终得出综合语义分值。结论 针对46款热销女士洗发水瓶的外观设计样本,实现了语义差分评价。运用主成分—层次分析—语义差分评价的方法,实现了近似语义的归类。依据综合语义权值,得出了语义差分分值,并适用于较大样本的外观设计评价。     

飞机复合材料结构损伤的预测方法

针对复合材料结构损伤机理的复杂性,很难准确预测结构损伤状态,本文提出一种基于动态主元分析(DPCA)和最小二乘支持向量机(LS-SVM)相结合的复合材料结构损伤演化预测新方法,并针对复合材料结构损伤特性,采用疲劳振动试验进行结构损伤预测研究。首先,采用经验模态分解(EMD)方法对多传感器采集的复合材料结构健康信息进行自适应分解,得到不同传感器下的多个本征模态分量(IMF),并通过计算各阶IMF分量的奇异熵作为各传感器的特征信息;然后采用DPCA对多传感器的奇异熵进行降维融合,得到融合后的奇异熵特征,再对其采用距离形态相似度方法定义结构健康指数;最后将结构健康指数作为建模数据,创建LS-SVM预测模型,并通过预测模型对飞机复合材料结构健康指数进行预测,其预测结果直接反映了飞机复合材料结构的健康状态。试验验证表明,该方法可有效地实现飞机复合材料结构损伤预测效能,具有很好的工程应用价值。     

基于PCA-BP神经网络的岩石爆破平均粒径预测

岩石爆破平均粒径的预测对岩石采装及二次破碎具有重要意义,然而常规的神经网络预测岩石爆破平均粒径存在较大的误差。为更加合理准确预测岩石爆破粒径分布,选取台阶高度与钻孔荷载比(H/B),间距与荷载比(S/B),荷载与孔径比(B/D),炮泥与荷载比(T/B),粉因数(Pf),弹性模量(E)和现场块度大小(XB)7个主要影响岩石爆破粒径的因素,并结合BP神经网络较好的预测性,以及主成分分析(PCA)能消除自变量间的相关性和减少BP神经网络输入数据的特点,建立了基于PCA-BP神经网络的岩石爆破粒径预测模型。以48组实测数据为例,对7个影响因素进行主成分分析,最终降为4个主成分,进而将其作为BP神经网络的输入因子,对岩石爆破粒径进行了预测。结果表明:BP神经网络与最小二乘法预测的平均误差分别为15.71%、27.32%,而PCA-BP神经网络预测平均误差仅为9.21%,实现了对岩石爆破粒径的较准确预测。综上所知,PCA-BP神经网络模型为岩石爆破平均粒径预测提供了一种科学、可靠的方法。     

基于KPCA-SVM模型的电力负荷最大值短期预测方法

电力负荷最大值预测是电网企业调度工作的重要组成部分,其预测结果的准确度将对电能的配送、有效利用率、供电服务的质量以及电力系统的发展产生重要影响。以安徽某市81天的电力负荷最大值数据为基础,选取影响当天电力负荷最大值的10个因素,并采用核主成分分析（kernel principal component analysis,KPCA）算法将10维的影响因素降为5维,其累计贡献率可达93.70%。以降维后的5维数据为输入,以径向基函数为核函数,并采用交叉验证选择支持向量机（support vector machine,SVM）回归的最佳参数,随机选取54组数据训练SVM预测模型,最后进行27组数据的拟合预测,拟合预测的均方误差为0.004 1,相关系数为0.963 1。研究结果表明,应用KPCA结合的SVM预测模型对电力负荷最大值具有很好的预测能力。