目标意象约束的人机辅助产品造型进化设计研究

为实现康复辅具造型求解方案的多样化需求,提出目标意象约束的人机辅助产品造型进化设计方法。构建了意象约束的产品造型进化设计体系与整体流程;从用户角度出发,针对用户意象需求的模糊性和多样化问题,通过三角模糊理论和因子分析法确定群体目标意象;借助SD量表,采用多元尺度分析、聚类分析等方法确定产品优势样本;根据产品建模特点,运用形态分析法对其造型基因层次进行提取与表达;通过BP神经网络构建预测模型,对目标意象与造型基因间的非线性关系进行映射,基于输出结果建立进化设计目标函数;利用遗传算法的全局寻优能力,将神经网络输出意象评价作为个体适应度评估依据,以样本的解空间为载体进行基因进化,搜索目标造型的优质解。以踝足矫形器(Ankle and Foot Orthosis, AFO)为研究对象,试验结果表明：该优化方法可适用于其造型进化设计,提高了设计效率,为人机辅助性产品的造型改进设计提供参考和借鉴。     

基于神经网络的电动汽车造型意象预测模型

为使电动汽车造型设计更符合目标用户认知,提升电动汽车设计评选中对于造型意象的预测能力,降低电动汽车开发风险等问题,提出一种基于神经网络的电动汽车造型意象预测模型.该模型运用统计学方法,结合神经网络对电动汽车造型特征和感性意象隐性关联进行研究.利用多维尺度分析和聚类分析获取代表性样本,通过造型特征解构,采用层次分析法计算...     

产品多意象造型设计研究

为满足产品研发过程中用户的情感需求,从造型设计上最大程度满足用户对产品的情感期望,提出了系统化多意象设计方法。通过BP神经网络计算设计元素组合的多种意象得分,运用AHP方法确定各种意象在用户需求中的权重,最后通过TOPSIS方法确定所有设计元素组合的满意度排序。此外,为弥补AHP法的缺陷,提出对比样本加权意象得分排序与样本优劣排序的方法来确定权重的合理性。以3D打印机造型设计为例,进行多意象设计研究,试验结果表明该方法能够很好地指导产品设计。     

基于BP神经网络的产品生命周期评价敏感性分析

为支持产品方案设计阶段设计信息反馈指导方案优化,提出基于BP神经网络的设计方案敏感性分析方法。建立了绿色信息模型,从方案设计中提取与环境影响相关的绿色信息;建立了神经网络敏感性分析模型,将各个生命周期阶段的绿色信息作为敏感性分析的输入参数,将对应的生命周期评价结果作为输出参数;训练BP神经网络模型使相对误差达到预期精度;分别提取该BP网络输入层与隐含层、隐含层与输出层各单元之间的连接权值,使用Tchaban算法计算得到绿色信息对生命周期评价结果的敏感性系数,即影响贡献值。以牵引电机为例,验证了所提敏感性分析方法,确定了主要设计变量对评价结果的影响趋势,从而对设计方案的变更提出了改进方向。     

改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。     

汽车内外饰造型多维意象评价模型研究

为了最大程度的满足用户对汽车整体造型多维意象的认知诉求,提出了一种结合统计学方法、感性工学和熵理论的汽车内外饰造型多维意象评价模型。该模型通过大量收集汽车内外饰研究样本及相关意象词汇,通过划分评价用户类型提升评价准确性;运用多维尺度分析法和K-means聚类分析确定目标意象词汇;并以语义差分法构建汽车内外饰造型目标意象认知空间,获取目标意象原始评价数据;采用线性函数归一化得到目标意象离差标准化数据,利用熵理论构建以多维意象认知空间为核心的汽车内外饰造型意象评价模型,得到研究样本多维意象评价数据及评价排序选取,从而指导后续汽车内外饰造型设计。     

GA-BP神经网络预测钛合金表面粗糙度

为了有效预测铣削加工中钛合金工件的表面粗糙度,建立了以切削速度、进给量、径向切深、轴向切深为输入参数,表面粗糙度为输出参数的预测模型。该预测模型将遗传算法与BP神经网络结合起来,使用遗传算法优化BP神经网络的初始权值和阈值,进行铣削实验获得实验数据,并对神经网络进行训练,最终获得预测模型。通过对比分析GA-BP预测模型、BP预测模型、线性回归预测模型的预测精度,得出GA-BP预测模型具有相对较好的预测精度,证明该预测模型是有效的。     

基于眼动追踪的地铁客室设计意象评价

以提升地铁乘客的乘车体验为目标，采用眼动追踪技术和BP神经网络算法构建了地铁客室设计评价模型，为产品改进设计提供目标和方向。以不同主题风格的地铁客室为素材，通过Tobii X3-120眼动仪采集30位乘客观察地铁客室不同兴趣区的眼动数据作为BP算法的输入，将用户对意象的评分作为输出，在眼动数据与意象评分间建立两者关联的数学模型。模型经测试后，得出地铁设计意象评价预测值与真实值的绝对平均误差为0.8,结果表明：该神经网络能较准确地预测乘客对地铁客室设计的意象评分，验证了模型的有效性。将眼动指标融入人工神经网络算法，相对意象评价中采用访谈及问卷的方法，更为全面与客观，为今后地铁客室设计意象的评价与设计提供参考。     

基于灰色预测和BP的集气管压力集成预测方法

针对焦炉煤气集气过程是一个高度复杂的工业生产过程,难以获得焦炉集气管压力的精确数学模型的问题,提出一种基于灰色预测和BP神经网络的集气管压力集成预测模型。该模型首先利用灰色预测和BP神经网络分别对焦炉集气管压力进行预测,然后采用熵值法确定各预测子模型的加权系数,将两个子模型进行加权集成,可以获得较为准确的焦炉集气管压力值。将其预测性能与单一的灰色模型和BP神经网络模型进行比较,运行结果表明:集成预测模型的预测效果和性能优于单一的灰色模型和BP神经网络预测模型,能够获得较高的预测精度。     

量子BP神经网络在发动机故障诊断中的应用

为了解决普通BP神经网络收敛速度慢、分类正确率低等问题,提出一种量子BP神经网络算法。该算法在普通BP神经网络中引入了量子算法,量子BP神经网络结构由输入层、隐含层和输出层组成,其中,量子神经元的输入和传递函数均由量子比特表示,输出结果为实数。首先,该算法将实数值训练样本变换为量子态训练样本,从而作为算法的输入。然后,通过传递函数,计算量子态权值并更新网络参数以达到训练效果。最后,利用训练好的网络进行故障诊断,并将结果以实数值输出。将该方法应用于发动机故障诊断,实验结果表明,与普通BP神经网络相比,量子BP神经网络算法在收敛速度、分类正确率和执行时间等方面具有明显的优势。     

电子束焊熔深神经网络模糊控制系统建模与仿真

研究钛合金电子束焊熔深控制系统建模问题。在分析电子束焊接特点的基础上,设计三因素五水平正交试验,通过试验得到不同焊接参数下熔宽和熔深的值,将熔宽和熔深的值作为训练样本对神经网络进行训练,建立以熔宽为输入,以熔深为输出的误差反向传播(Error back propagation,BP)神经网络模型,该模型由一个S型函数隐含层加上一个线性输出层组成。针对熔深数学模型难以获得的情况,设计以熔深的偏差和偏差变化率为输入变量,焊接电流的变化量为输出变量的模糊控制器,该控制器有9条模糊控制规则。将BP神经网络模型和模糊控制器结合起来建立钛合金电子束焊熔深控制系统模型,并且采用单位阶跃信号对该模型进行仿真试验,试验结果表明所设计的控制系统动态性能和稳态性能良好。     

基于眼动追踪的工程车辆造型设计用户体验预测模型

为降低主观因素干扰,更加客观地评估产品造型的用户体验性,基于眼动数据,提出一种应用遗传算法优化BP神经网络的用户体验预测模型。将Tobii 120型眼动仪作为试验仪器,以Likert五级主观量表法作为辅助研究方法,采集了40位用户对12个工程车设计方案评价过程中的眼动数据,通过遗传算法对初始值编码,优化BP神经网络,建立眼动数据与主观评价相结合的综合评价模型。经广义线性回归模型筛选,确定了以注视时间为代表的10个眼动参数作为神经网络构建参数,随机选取35组眼动数据进行预测,结果显示该神经网络能有效预测产品造型设计用户主观体验得分,预测相对误差约5%。基于遗传算法的优化BP神经网络模型对使用眼动数据预测用户体验主观评价效果显著,可为今后产品造型的用户体验评价提供参考。     

基于进化定律和支持向量回归的产品造型意象评价方法

为满足用户对产品设计的情感需求,提出一种基于支持向量回归的产品造型意象评价方法。通过层次分析法确定代表性样本,运用需求进化定律获取用户对造型元素的设计需求,应用技术进化定律分析造型元素子系统存在的冲突,在解决冲突的过程中提取造型设计元素,构建造型设计元素集;利用SD法及SPSS软件分析确定产品目标感性意象;调用Python中的SVR模型进行训练,构建基于支持向量回归的造型意象评价模型。以数控机床为设计实例进行验证,证明该方法能够较好地模拟用户思维,为产品设计提供有效的辅助和支持。     

基于内隐测量和BP神经网络的产品色彩情感化设计

为准确获取用户对产品色彩的情感意象，有效缩小设计师与用户之间的情感认知差距，以电熨斗产品的色彩设计为研究对象，以内隐测量技术和BP神经网络为研究手段，开展用户情感认知的演化机理研究。通过眼动、脑电和行为实验分别提取被试面对不同色彩方案时的眼动指标、脑电信号和情感意象评价值，结合BP神经网络构建基于“产品色彩—生理信号—情感意象”三层关联结构的产品色彩情感意象评价模型。实验表明，所提方法能够准确获取用户对产品色彩的情感认知规律，为产品色彩情感化设计研究提供有效的理论依据和数据支撑。     

基于BP神经网络的非结构化道路识别

基于BP神经网络,针对非结构化道路的彩色图片,利用熵、对比度等纹理特征值作为BP神经网络的输入层,设隐层有12个节点,输出层有1个节点,进行网络训练。完成网络训练之后,可以得到网络的阀值,然后将图片中的每一个20×20小块的纹理特征值输入BP神经网络的输入层,经过运算判断小块是否为道路部分,直至完成整个图片的判别。     

认知差异下的产品造型意象熵评价研究

针对产品造型意象中的认知差异,提出了应用熵理论进行评价的新方法。确定研究样本和目标意象,进行产品感性意象调查;分别构建基于用户、设计师和工程师的意象认知空间,分析三者的意象认知差异;综合意象认知权重,建立满足三者情感需求的复合意象认知空间;利用熵理论构建以复合意象认知空间为核心的产品造型意象评价模型,指导产品典型案例库的选取。以水瓶造型意象熵评价为例建立的典型案例库可有效指导产品造型设计。     

产品意象造型设计中的耦合特性研究

为更好地满足用户对于复合意象的产品造型需求,探索了产品造型设计要素间的耦合特性。采用SD法获得用户意象评价,结合熵理论得到多意象评价权重及复合意象评价值;利用形态分析法提取产品造型设计要素,通过数量化I类理论建立复合意象与设计要素之间的关联,依此将不同权重设计要素耦合成新样本;通过模糊逼近理想解排序法对新样本进行优先级排序,进而分析产品意象造型设计中要素的耦合特性。以眼镜设计为实例对象,揭示了耦合特性对于产品意象造型设计的指导意义。     

基于感性工学方法的产品设计分析

以感性工学理论为基础,对产品感性意象进行量化研究,运用统计学方法建立产品设计元素空间和感性意象评价值矩阵,并应用BP神经网络算法构建产品形态元素和感性意象的关联模型,得出一具体设计目标下的产品形态元素组合方案。以家具椅为对象,体现江南区域文化意象为目标,采用BP神经网络算法,通过计算机软件MATLAB编程进行学习训练并模拟预测,最终得出结论指导家具椅设计方案。将感性意象量化并系统化,使以感性需求为导向的产品设计更具科学性和实践指导意义,为开发出更符合用户感性需求、更具有市场竞争的产品提供了一种设计思路。     

多轴数控加工表面粗糙度的自适应模糊神经网络预测控制方法研究

将模糊神经网络作为预测方法的主要理论工具,设计预测模型结构、层次及确定节点,并结合多轴数控加工特点对其加工表面粗糙度预测,其中以工艺参数(选择有限的主要因素)为输入变量作为网络模型的输入,以加工表面粗糙度作为网络的输出,利用实验中获得的数据样本及刀具参数对模型进行校验和调整,获得精度较高的自适应模糊神经网络预测模型。     

基于神经网络的压块机生产率预测研究

在对生产率影响因子分析的基础上,提出了应用正交试验法确定影响生产率的主要因子的快速方法。通过对主要影响因子与生产率的正交试验数据进行分析,得到用于BP神经网络预测模型的输入、输出变量以及训练神经网络所需的数据样本,多次试取隐含层和各隐含单元,并选取trainhn作为最优训练函数,建立了压块机生产率预测的人工神经网络系统。在试验结果中随机选取6组试验样本,进行连续5次挠度预测,预测值和试验实测值最大相对误差为0．14mm,解析结果表明：压块机预测结果与实验值吻合的较好,建立的人工神经网络预测模型具有较高的预测精度。