软计算方法在产品意象设计中的应用研究

发布时间：2020-03-31 10:48

【摘要】：21世纪,以消费者为主的“消费者导向”成为主流,在产品设计领域,满足用户的情感需求成为关键。基于此种背景,产品意象设计逐渐引起了人们的关注。用户对于产品的选择因人而异,具有令人无法捕捉的复杂性和可变性。软计算是一种新兴的计算机技术,可以在模糊或不确定的环境下模拟和学习人类的思维方式,因此,将软计算应用于研究关于产品的用户感知模式的实验是非常合适的。为了设计出能最大程度的满足用户的内心情感需求的产品,本研究基于意象运用软计算方法进行以下几个方面的研究:(1)通过对产品意象研究相关理论和方法的分析,采用感性工学的概念萃取具有代表性的实验样本,利用熵权法评估各目标意象所占比重,得到影响产品造型要素的目标意象。(2)选取框架眼镜作为本次研究的实验对象,以质性的方式描述实验样本的造型元素,首先,分析了研究产品造型设计要素与目标意象之间关系的技术方法。随之,提出使用灰关联分析和熵权重相结合的方法,通过求取灰熵关联度来确定各造型设计要素的优先度,并构建了目标意象与产品造型特征元素的相关分析模型。(3)基于灰色理论和神经网络构建产品意象设计的方法技术,提出粒子群算法优化灰色神经网络的产品意象造型优化设计方法,弥补了GRA-GNNM模型预测精度不高、花费时间长以及每次训练结果不同的缺陷;最后将优化后的结果运用3D建模的方法表现出来,通过对优化后的模型样本进行问卷调查、统计分析,证明了本文提出的产品意象设计方法的可行性,可以为产品意象设计提供有效的帮助和支持。
【学位授予单位】：齐鲁工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TB472

【相似文献】

相关期刊论文 前10条

1 陈建新;崔广才;;基于改进粒子群算法的函数优化研究[J];电脑迷;2018年01期

2 周慧;;基于粒子群算法的最优值求解[J];科技广场;2017年12期

3 吴丰;郭晓娟;;基于混合粒子群算法的船舶稳定性分析[J];舰船科学技术;2018年14期

4 邓广彪;;改进的粒子群算法在云计算下的数据挖掘中的研究[J];科技通报;2017年04期

5 张钊旭;王志杰;李建辰;王贵奇;许军;杨进候;;一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J];水下无人系统学报;2017年03期

6 朱俚治;王兴虎;;试谈粒子群算法[J];电脑编程技巧与维护;2017年11期

7 朱宝;;基于改进粒子群算法的盾构掘进施工优化研究[J];辽宁科技学院学报;2017年03期

8 袁正午;李君琪;;基于改进粒子群算法的云资源调度[J];计算机工程与设计;2016年02期

9 江嘉伟;毋文峰;;一种改进的粒子群算法[J];电脑编程技巧与维护;2016年06期

10 张卫明;周庆忠;黎武;;基于改进粒子群算法的野战油库选址优化[J];兵器装备工程学报;2016年08期

相关会议论文 前10条

1 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

2 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

3 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

4 王征;刘大宝;王家林;王永骥;;基于离散粒子群算法的船舶电力系统重构研究[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

5 王波;肖健梅;王锡淮;;基于改进粒子群算法的车辆路径问题研究[A];2007中国控制与决策学术年会论文集[C];2007年

6 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年

7 黄胜;任万龙;王超;何新;;多目标粒子群算法在翼型优化的应用[A];第二十五届全国水动力学研讨会暨第十二届全国水动力学学术会议文集（上册）[C];2013年

8 王莹;盛四清;;基于改进粒子群算法的电压薄弱区域恢复[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（上册）[C];2008年

9 孟繁敏;杨彬;张其林;;改进的粒子群算法在钢框架截面优化中的应用[A];第十三届全国现代结构工程学术研讨会论文集[C];2013年

10 孔宪仁;秦玉灵;罗文波;;带飞行因子的粒子群算法的铝蜂窝板模型修正[A];结构及多学科优化工程应用与理论研讨会’2009（CSMO-2009）论文集[C];2009年

相关博士学位论文 前10条

1 刘天宇;基于协作学习和文化进化机制的量子粒子群算法及应用研究[D];西安电子科技大学;2017年

2 孟丽;粒子群算法及其在分数阶系统辨识中的应用研究[D];华北电力大学(北京);2016年

3 韩佳伟;多层级苹果预冷过程模拟及预冷控制决策优化[D];北京工业大学;2018年

4 钟继如;基于混合粒子群算法的小冲杆试验预测材料强度的研究[D];华东理工大学;2019年

5 雷开友;粒子群算法及其应用研究[D];西南大学;2006年

6 王芳;粒子群算法的研究[D];西南大学;2006年

7 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年

8 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年

9 王雪飞;粒子群算法的动态拓朴结构研究[D];西南大学;2008年

10 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

相关硕士学位论文 前10条

1 张晓寒;基于混合粒子群算法的车间调度研究及管理系统设计[D];武汉科技大学;2019年

2 蔡江华;基于有限理性的主从博弈稳定性和算法研究[D];贵州大学;2019年

3 徐慧;基于改进粒子群算法的投资组合优化研究[D];天津商业大学;2019年

4 付成杰;软计算方法在产品意象设计中的应用研究[D];齐鲁工业大学;2019年

5 李东旺;基于多目标粒子群算法的制造过程优化方法研究[D];齐鲁工业大学;2019年

6 胡松琪;量子粒子群算法的研究及应用[D];兰州理工大学;2019年

7 魏贝贝;Y公司订单评价及排程研究[D];中国矿业大学;2019年

8 熊龙飞;基于CEEMDAN与粒子群算法的旋转机械故障诊断研究[D];南京农业大学;2017年

9 李东;改进粒子群算法及结构优化设计应用研究[D];浙江工业大学;2018年

10 曹宁;粒子群算法在参数化BIM模型优化中的应用研究[D];天津大学;2018年

，

本文编号：2608976