基于神经网络的产品意象造型设计研究

为设计出符合消费者需求的产品,采用基于神经网路的产品意象造型设计方法.研究过程中首先确定感性词汇与造型设计要素,在此基础上,利用BP神经网络模型建立2者之间的关系,通过对BP模型中的编码、输入层、输出层、隐含层、激活函数以及相关参数的分析设置,进行产品感性意象设计的实验仿真,最后通过测试验证了模型的有效性.结合折叠自行车的设计进行研究,结果表明,该方法是正确可行的.     

基于造型美学的牙科椅意象造型设计

目的提升牙科椅的情感价值,满足患者以及医护人员的感性诉求,提出基于造型美学的牙科椅意象造型设计方法。方法通过李克特量表对具有代表性的感性意象词汇对进行量化处理,采用形态分析法提取牙科椅的造型设计要素,并将提取的造型设计要素分解为造型设计类目,结合SPSS软件,运用多元线性回归方法建立感性语义与造型设计类目的关联;分析整理得出造型设计类目得分,得分值的大小体现了造型设计要素对感性语义的贡献程度;在此基础上,运用造型美学设计的加法和减法对感性语义贡献最大的设计要素类目进一步分析研究,得出满足用户感性需求的牙科椅造型设计关键点。结论这些优化点有助于牙科椅造型的精准化设计,也为后续牙科椅造型设计系统的建立提供理论依据。     

BP神经网络在程控切纸机整体造型感性设计中的运用

目的运用计算机图形设计和逻辑运算方法建立用户需求与造型设计要素之间的数理联系,对程控切纸机产品进行更科学的造型设计与评价,使设计流程更加严谨。方法以语义差异法和因子分析法归纳用户感性意象评价,以形态分析法解构程控切纸机整体造型设计要素,建立感性评价矩阵,用以训练BP神经网络。结果测试后发现网络正确映射了感性意象和设计要素之间的关系,用该网络模型进行模拟预测,得到关于\"高档的—低端的\"感性评价最大值和最小值,对应的造型设计要素组合能给设计\"高档\"风格的程控切纸机提供理性支撑。结论将用户模糊不清的情感转化为定量的数据,弥补原先设计流程中单纯凭设计者主观经验去比较和评价设计方案的不足,为大型机电产品整体造型设计提供科学的设计方法。     

基于BP神经网络的黑体炉温度时序预测模型的建立

黑体炉作为标准黑体辐射热源,特别适合供多种非接触式测温仪表如光电高温计、光学高温计、辐射高温计等的分度和校验之用.但黑体炉在运行时无法预知温度的具体数值,这为实验和标定带来了诸多不便.文章在神经网络的基础上,建立了黑体炉温度时序预测模型.结果表明:神经网络不但能对黑体炉温度进行预测,而且比实际的测温仪表的精确度高出很多.     

基于感性意象和BP神经网络的产品CMF决策模型研究

目的 为实现特定感性意象下的产品CMF精准选定与量化,结合BP神经网络和线性回归提出一种产品CMF决策模型。方法 通过文本挖掘形式确定用户感性意象,根据HSV色彩模型与选定的康复辅具的材质与工艺构建CMF要素空间,并基于设计要素空间形成海量CMF方案,同时根据选定感性意象对方案加以评价,获得感性意象与CMF单一设计要素的定性映射关系。将CMF方案编码后与感性意象评价值结合,并通过BP神经网络以定量方式构建CMF决策模型,筛选出最优色彩区间、材质及工艺。对选中色彩区间再次细分出设计方案并进行评价,通过线性回归得到色彩回归方程,从而构建产品CMF的综合决策模型。结果 以膝关节支具为例进行实例研究,通过BP神经网络构建的一阶CMF决策模型预测值与期望值的均方误差MSE为0.038 13,且预测结果与定性映射关系基本一致,表明该阶模型可信度较高且精度良好。利用线性回归构建的二阶决策模型P值小于0.01,表明H、S、V的数值与感性意象评价值具有显著相关性,证明了该CMF决策模型的可行性。结论 构建的CMF决策模型在产品设计领域具有一定的通用性,能够有效实现康复产品CMF的精准选择与量化,在定性和定量层面指导康复产品CMF决策的优选和创新。     

BP神经网络的宇航服多维意象造型评价方法

目标 为适应宇航服造型设计对“大国形象”多维意象识别的需要,提出了以“大国形象”为导向的宇航服造型设计评价模型构建方法。方法 在大量用户调研的基础上,对“大国形象”意象集进行筛选,并采用认知实验与聚类分析相结合的方法获得宇航服产品的代表样品。采用语义差异法,对“大国形象”感性意象集中初步筛选词和宇航服产品代表样本之间的映射数据进行检验和分析,对得到的数据结果进行主成分分析,以获得宇航服产品对“大国形象”感性意象的认知空间。同时,根据全局HIEs解构原则和宇航服产品的功能约束清单建构宇航服产品造型特征空间。采用语义差异法和认知测试,得到宇航服造型多维意象认知空间。利用BP神经网络,以样本关键HIEs评价经数字编码后作为输入层,以各意象词下样本的感性意象均值作为输出层,构建宇航服造型意象评价模型。随后,采用留一交叉训练法对评价模型的准确性进行验证。结论 该评价模型能够有效解决造型特征与多维意象之间的映射及匹配,论证了造型意象和认知空间之间存在的关联性,探索出设计目标和设计意象关联判断的实践方法。     

基于人工神经网络的电动汽车前大灯意象造型设计研究

目的 针对电动汽车造型设计中的前大灯意象造型问题,分析设计要素与用户情感之间的关系.方法 分析现有电动汽车前大灯样本,提出一种新的前大灯造型描述方法,形成设计要素.结合用户意象调研分析方法获得关键意象,建立语义量表;由设计要素与语义量表构成训练样本,建立神经网络模型;基于神经网络的泛化能力,结合了枚举算法与控制变量思想,分析设计要素与用户情感的关联性.结论 分析获得目标意象下的电动汽车前大灯设计要素最优组合形式,以及设计要素与目标意象的相关性;结合实验数据提出造型综合评价模型,将用户对前大灯造型美观程度的感知解释为对其造型的综合评价,以设计要素为线索,造型综合评价与目标意象评价呈源与流的关系;基于造型综合评价模型中设计要素、综合评价、目标意象评价之间的联系,通过分析设计要素与目标意象评价的相关性,间接获得设计要素与造型综合评价的相关性,作为设计活动中保证预期造型综合评价和各目标意象评价的参考.     

基于感性意象的电动扫地车造型设计研究

目的进一步提高城市街道电动扫地车造型与用户主观偏好的匹配程度。方法选取典型扫地车外观造型风格意象词汇进行研究,并选取语义差分法(SD法)对相关感性意象词汇进行视觉化描述和量化表达。结论将电动扫地车造型简化为特征线,采用贝塞尔曲线对其进行量化描述,获得造型特征线和感性意象词汇之间的映射关系,以期对电动扫地车造型设计进行指导,提升设计与感性意象间的匹配度。     

基于三角模糊和BP神经网络的产品意象造型设计

目的 针对目标产品造型与用户模糊感知意象适应性欠佳问题,探索性提出一种基于三角模糊和BP神经网络的意象造型设计方法.方法 在分析产品意象造型设计流程的基础上,以三角模糊方法作为BP神经网络模型意象输入数据的预处理工具,将用户模糊感知意象量化转换;并采用因子分析法降维获取优势感知意象;借助KJ和专家评定法获取差异性较大样本,根据形态分析和建模特点划分产品部件造型特征,通过Delphi法多轮选出优势样本;基于Matlab平台,采用权值惯性可调节、学习率可变的traingdx网络训练算法,对产品优势样本进行学习、训练和预测,构建部件造型要素与用户感知间的关系模型,实现造型设计元素的最佳定量化组合,使BP神经网络对用户模糊意象的定性更为有效,将该方法应用于腰椎牵引器造型设计中.结论 实验结果表明,该方法能有效实现模糊意象的定量分析,所建立的腰椎牵引器神经网络模型输出符合设计要求,促进设计概念转化.     

产品造型意象感性空间构建研究

以语言学为研究方法,构建产品造型意象感性空间,探讨不同属性群体感性表达的特征及差异。以文献法、联想法等收集感性词汇;以音节法、句法槽进行词汇过滤;设定近义词和契合性筛选规则,通过词频数据分析不同群体属性对人们感性表达的影响。专业、非专业的背景使被试近义词、契合性选择有较大差别。专业人员偏向使用专业、书面、综合性的、能准确描述造型特征的词汇;非专业人员在本能层、反思层的选词明显较少,行为层较多,总体表达意愿与能力相对较低。其他属性对被试选择的影响不大。说明在感性空间的构建中,应综合考虑设计师、消费者的感性表达需求差异,以提高感性空间的质量。     

基于感性工学和视觉意象的机械产品表面涂装质感设计方法

目的 为提高机械产品表面涂装质感设计的效率,对机械产品表面涂装质感设计方法进行深入研究。方法 基于感性工学,从理论层面提出机械产品质感设计方法、流程及其关键技术。并通过搜集典型质感样本、典型质感视觉意象词汇,进行视觉意象感性实验,从而获取典型质感样本和典型质感视觉意象词汇的相关隶属度。利用BP神经网络,实现机械产品表面涂装“视觉意象—质感参数”关联模型的构建。结果 以数码印花机为例,当设定质感参数为“涂层粗糙度0.2、涂层折射指数1.18、涂层厚度1.2”时,质感视觉意象值为“安全的3.132、简约的2.657、美观的3.089、稳定的2.756、坚固的2.842”,该结果表明,“视觉意象—质感参数”关联模型具有较好的主观趋势,可以满足用户的视觉意象需求。结论 所提出的机械产品表面涂装质感设计方法具有较好的可操作性和科学性,可为机械产品表面涂装质感的设计提供参考。     

消费者—汽车特征匹配预测研究

发现了目前汽车市场消费者缺乏参考依据的问题,提出了一种基于BP神经网络的消费者特征和汽车特征匹配的预测方法.在确定消费者特征参数和汽车特征参数基础上,建立基于BP神经网络的特征匹配预测模型,通过调查问卷的形式获取了样本数据,对模型进行训练和测试,实验特征匹配的功能.     

基于BP神经网络的用户感性评价模型构建及应用

目的 充分利用网络购物平台用户评论,寻找形态因子最佳组合以指导产品造型设计,解决部分产品难以契合用户感性需求的问题。方法 利用网络爬虫抓取某网络购物平台的用户评论并利用TF-IDF算法将其量化;使用主成分分析法,选取感性评价指标,借助形态分析法将目标产品分解为多个主要结构;运用BP神经网络构建用户感性评价模型,遍历所有形态因子组合以确定最优搭配。结果 以电饭煲为例,根据所构建模型可预测各评价指标最高的形态因子组合,该模型均方误差为0.0049,决定系数为0.9287,模型精度符合要求,利用问卷调查法进一步证明了预测结果有参考价值。结论 基于BP神经网络构建的模型拥有快速寻找最佳形态因子组合的能力,利用网络购物平台用户评论作为训练样本能够解决人工搜集或问卷调查获取样本时间长、成本高、市场响应慢、样本分布不均匀等问题。用户感性评价模型预测结果对设计师精准满足用户需求有重要的指导意义。     

两种神经网络模型在材料领域中的应用

简要介绍了基于BP反向误差传播算法和自组织特征映射算法的神经网络模型的基本原理和在材料领域中的应用。     

BP 神经网络在产品配色中的应用研究

目的实现产品配色设计的自动化。方法以感性工学为理论基础,采用神经网络为关键技术来研究产品配色。首先确定产品色彩的感性词汇与色彩设计要素,然后利用BP神经网络模型建立色彩编码与感性意象评价值之间的关系,最后结合豆浆机实例,设置BP模型中的输入层、输出层、隐含层的相关参数来进行豆浆机配色感性意象设计的实验仿真。结果测试验证了BP神经网络在产品配色设计中应用的有效性。结论表明了产品感性意象与产品配色之间的关系,论证了利用BP神经网络建立产品配色辅助设计系统的可行性。     

基于BP神经网络的飞行器外观设计评价模型

目的建立基于BP神经网络的飞行器外观设计评价模型,使飞行器外观设计更加科学化、符合实际需求。方法基于BP神经网络的飞行器外观设计评价方法是通过建立综合评价指标体系,并组织专家对样本进行评判打分,得到神经网络的训练、检验数据,由MATLAB仿真计算出各项指标的权重关系,并提炼出反应各项评价指标和综合评价结果的非线性关系。结论 BP神经网络的评价模型降低了综合评价法、层次分析法评价过程中主观因素的影响,能够客观、全面地对飞行器外观设计做出评价,为选择最优的飞行器外观设计方案提供有效的参考依据。     

基于BP神经网络的上市公司财务预警

针对上市公司财务危机风险预警问题,把具有智能综合评价性质的BP神经网络引入该领域,克服了人为确定权重的困难及模糊性和随机性的影响。结合实证分析,将上市公司财务风险警度分为4类并对上市公司的财务数据进行预警,最后与实际数据相比较,说明该方法用于财务预警具有很高的正判率,能够有效地帮助上市公司防范潜在的财务危机。