基于产品外观形态解构的感性意象模型研究-设计学专业论文.docxVIP

万方数据 万方数据 Classified Index：TB53 U.D.C.: 629 A Dissertation for the Degree of M.Eng. THE STUDY OF KANSEI IMAGE MODEL BASED ON PRODUCT APPEARANCE FORM DECONSTRUCTION Candidate： Yang Ping Supervisor： Asst.Prof. Zhou Yan Academic Degree Applied for： Master of Engineering Specialty： Designology Date of Oral Examination： June, 2014 University： Harbin Institute of Technology 哈尔滨工业大学工学硕士学位论文 哈尔滨工业大学工学硕士学位论文 摘 要 如今消费者逐渐重视对感性的需求，感性意象的定量研究已成为当今设计学科 热点研究的问题之一。感性工学为设计师提供了了解消费者内心感受的重要工具。 本研究将运用感性工学研究方法，以智能手机为例对其外观形态进行解构分析， 研究产品造型设计的类目与项目，进而探究造型设计要素的感性特征及其感性意 象空间的关联性。 在大量调研与分析的基础上，筛选目标产品的研究样本，运用形态分析法， 对产品外观形态进行解构，并确定产品造型要素及其项目，从而获得样本吸引消 费者的关键影响因素。结合正交试验的方法，将多个不同设计元素或构件进行排 列、替换，组合变化产生新的造型，以确定典型代表实验样本。 搜集感性意象语汇，建立资料库，并利用多元尺度、聚类分析等方法，筛选 并确定代表性感性意象的语汇；结合产品造型样本，进行感性评价试验，运用语 义差分法将人们对于产品外观形态的主观评价转化为量化评价值，从而确定消费 者的感性需求。 基于产品形态要素量化值与产品外观形态主观评价量化值，进行基于数量化 I 类分析方法的产品造型意多元线性回归模型构建。并以此预测自变量与因变量之 间的影响程度，建立关于感性意象的产品造型要素设计法则；对所建立的模型进 行验证，利用统计学检验方法来分析模型的可靠性。 鉴于线性模型的局限性，基于非线性BP人工神经网络理论，结合产品形态要 素与感性意象评价的量化值，确定多层神经网络结构，训练网络达到预定目标。 构建关于产品形态要素的感性意象预测模型。通过比较误差评价所建立的产品形 态法则，得到不同建模方法的优劣性。并利用造型意象非线性模型预测结果，分 析造型要素对感性意象影响规律。 关键词：感性工学；形态解构；语义差分；多元线性回归；BP 神经网络 - I - Abstract The attraction of the product appearance modeling is one of matter to the success of a product design, intention and communication between users in conveying products play an important role. Now consumers of perceptual demand, has gradually perceptual engineering research methods in the study of modeling design has developed into a designer an important tool to understand the consumer feeling. In previous studies while it is possible to establish high precision intentions of perceptual model prediction, but for modeling element evaluation method is still not perfect. Research methods, this study will use Kansei Engineering in smart phones, for example to deconstruct its exterior shape analysis, research category of product modeling design and the project, and to explore the Kansei features of design elements and the relevance of its intent