随着世界经济的发展和人民生活水平的提高，更多消费者将原始感受以及精神层面上的满足作为选择与购买产品的考虑重点，能体现个性、身份、爱好以及价值观等个人特征的产品成为了他们追求的对象。所以，产品不再只是作为使用功能的载体而存在，消费者更多关注的是产品所带来的精神感受，即“情感需求”或者叫“感性意象”。因此，设计人员若能掌握消费者的心理，深入探索消费者的感觉及需求，就能成功的开发出好的产品，从而提高企业的市场竞争力，学术与工业界也据此提出以“感性工学”理论与模式来指导新产品的开发。

感性工学是一种运用工程技术手段来探讨“人”的感性与“物”的设计特性间关系的理论及方法。在产品设计领域，它将人们对“物”（即已有产品、数字或虚拟产品）的感性意象定量、半定量地表达出来，并与产品设计特性相关联，以实现在产品设计中体现“人”（这里包括消费者、设计者等）的感性感受，设计出符合“人”感觉期望的产品。目前，在理论研究领域，如何估计消费者或设计人员对于设计系统结果的满意程度，如何通过纳入人工智能技术来改进基于感性工学的应用系统，是其研究的重要热点。

人工神经网络是模仿生物神经处理系统及人类特有的学习、认知行为所发展出来的信息处理模式。由于其特有的非线性信息处理技术，有效地提高了对于直觉信息处理的能力，常用于建立输入变量与输出变量之间复杂的关系，被成功地应用到产品设计等领域。产品设计过程中产品的造型设计要素与消费者对产品的意象感知之间的关系属于黑箱模型，不能够被精确地描述，神经网络算法非常适用于建立这两者之间的关系。本研究将应用BP神经网络，建构能及时反映用户情感意象评估的产品造型设计系统，从而使产品造型设计能更好地满足用户的感性意象需求,提高设计方案的成功率。

1 研究过程及方法

    建构产品造型设计系统的过程主要有以下4个方面。

   （1）产品的形态要素分析，一般选择用户感性需求较高的产品作为研究对象。首先是广泛搜集各种要设计产品的造型图片，将这些图片进行初步分类，去除类型接近的，找出其中一组具有代表性的产品样本。然后以分解描述型态的方式，运用型态分析法，配合问卷调查及专家访谈，归纳出构成产品的主要要素及其型态分类，并依此建立型态要素表，确定设计参数。最后，调整设计参数，重新构建产品的实验样本，运用三维软件进行建模渲染。

   （2）产品感性意象的认知识别，为测试受试者对上述样本所展示产品造型的感觉与偏好，采用形容词汇对集合来表达所有可能的感性意象，即用它们来体现对产品的感觉，以此反映对产品语意的解读。首先列出搜集的形容词汇对，作为初次调查的意象词汇集合。然后结合首次选出的代表性产品样本，建立语义差分法（SD）调查问卷，进行问卷调查。将调查结果用统计学的因子分析和聚类分析，识别出反映消费者感性意象认知的意象词汇。最后将这些感性意象词汇和产品实验样本结合，建立第二次的SD调查问卷进行调查。调查结果经统计处理后将作为后续神经网络的训练数据。

   （3）产品感性意象的神经网络评估实现，采用三层BP网络建立产品造型设计参数与感性意象之间的关系，其用于评估新形态的感性意象。网络结构如图1所示。

    输入为产品的造型设计参数，节点数为设计的控制参数个数。输出为用户的感性意象，节点数为反映消费者感性意象认知的语汇对数。隐含层的神经元数量为输入层与输出层神经元数量之和的二分之一。对于前向计算，从输入层到隐层和从隐层到输出层，传递函数均采用对数S型函数。应用SD调查问卷数据对神经网络进行训练。预留部分样本为测试样本，验证网络预测的可靠性。

   （4）计算机辅助产品造型设计系统的建构，将神经网络评估系统嵌入CAD设计软件，建构在设计过程中能及时评估新形态的计算机辅助造型设计系统。实例界面如图2所示，功能分两方面，一是通过调节设计参数，实现对形态的重新设计；二是形态设计完成后，系统预测新形态的感性意象评估值。

2  应用实例

本文以高脚杯设计进行实例研究。从实物和网络中大量收集各类高脚杯，将图片进行分类，去除造型比较接近的，得到12个基本样本，应用SolidWorks重新进行建模渲染，见表1。

进行产品形态要素分析，高脚杯可分为杯口、杯体、杯腿、底座四个部分，如图3所示。其形态可由图4所示的6个点来控制。

假定高脚杯底座的大小和杯腿的粗细不变，因此可通过调整点1、点2、点3、点4和点5的位置而设计高脚杯的造型。其中点1沿x轴和y轴移动，控制杯口的直径和高度；点2和点3沿x轴和y轴移动，控制杯体的形态；点4和点5沿y轴移动，控制杯体和杯腿的长度。共8个参数，即可较好地控制高脚杯的形态。在12个基本样本的基础上，调整上述参数，共获得50个高脚杯作为调查样本。

    将50个调查样本和形容词汇制成SD调查问卷，最后将得到的50份有效调查问卷进行统计分析。用问卷统计数据对BP神经网络进行训练，以47个样本作为训练数据。在训练之前，对输入输出参数进行归一化处理，训练过程如图 5所示。以3个样本作为测试数据，测试评价选取均方差函数（MSE）进行分析，其预测值和调查值之间的MSE均小于0.01，因此模型的预测精度良好，可用于后续新形态的感性意象评估。

应用SolidWorks API 接口技术，用VB语言将此神经网络模型嵌入到SolidWorks软件系统，以此建构的计算机辅助产品造型设计系统工作界面如图6所示。

3 研究结论

    本研究在产品的形态要素分析、产品感性意象的认知识别和感性意象调查的基础上，建立了能够预测产品形态感性意象的BP 神经网络模型，并将该模型嵌入CAD系统，建构出及时反映用户情感意象的产品造型设计系统。该系统在进行产品造型设计过程中，设计者能直观地感受展现的三维模型，同时系统能有效地反映用户的情感意象评估，从而提高造型设计方案的成功率。