基于感性工学的产品多维变量优化设计
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 产品设计中的感性工学 | 第10页 |
| 1.1.2 感性工学应用于相机设计的重要性 | 第10-12页 |
| 1.2 研究目的与意义 | 第12-13页 |
| 1.2.1 研究目的 | 第12页 |
| 1.2.2 研究意义 | 第12-13页 |
| 1.3 研究内容与方法 | 第13-14页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 研究方法 | 第13-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第2章 文献综述与相关研究理论 | 第16-26页 |
| 2.1 感性工学介绍 | 第16-17页 |
| 2.2 产品感性设计研究 | 第17-21页 |
| 2.2.1 产品造型的感性设计研究 | 第17-19页 |
| 2.2.2 产品色彩的感性设计研究 | 第19-20页 |
| 2.2.3 产品材质的感性设计研究 | 第20-21页 |
| 2.3 文献评述 | 第21-22页 |
| 2.4 理论方法 | 第22-26页 |
| 2.4.1 主要分析方法 | 第22-23页 |
| 2.4.2 建模及优化方法 | 第23-26页 |
| 第3章 感性意象词对选择及多维设计变量提取 | 第26-42页 |
| 3.1 感性意象词对的收集与筛选 | 第26-31页 |
| 3.1.1 初始意象词对的收集 | 第26页 |
| 3.1.2 代表性意象词对的筛选 | 第26-31页 |
| 3.2 多维设计变量的提取 | 第31-38页 |
| 3.2.1 基于HIEs的产品多维设计变量解构 | 第31页 |
| 3.2.2 主设计变量的提取 | 第31-38页 |
| 3.3 代表性样本生成 | 第38页 |
| 3.4 问卷调查及数据收集 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 多维变量表达模型的构建 | 第42-54页 |
| 4.1 BP人工神经网络模型基础 | 第42-44页 |
| 4.1.1 基本BP网络模型的拓扑结构 | 第42-43页 |
| 4.1.2 BP网络输入和输出的确定 | 第43页 |
| 4.1.3 BP神经网络拓扑结构的确定 | 第43-44页 |
| 4.2 感性意象词对与设计变量关系模型 | 第44-49页 |
| 4.2.1 BP神经网络样本集以及结构参数的确定 | 第44-46页 |
| 4.2.2 BP神经网络模型构建 | 第46-48页 |
| 4.2.3 模型验证 | 第48-49页 |
| 4.3 感性偏好与设计变量关系模型 | 第49-53页 |
| 4.3.1 BP神经网络输入与输出向量设计 | 第49-50页 |
| 4.3.2 BP神经网络模型构建 | 第50-53页 |
| 4.3.3 模型验证 | 第53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 多维变量表达模型的优化 | 第54-62页 |
| 5.1 优化模型构建 | 第54-55页 |
| 5.1.1 定义决策变量 | 第54页 |
| 5.1.2 建立目标函数 | 第54页 |
| 5.1.3 定义约束条件 | 第54-55页 |
| 5.1.4 模型的构建 | 第55页 |
| 5.2 遗传算法与神经网络集成的模型求解方法 | 第55-58页 |
| 5.2.1 决策变量编码规则 | 第55-56页 |
| 5.2.2 基于神经网络的适应度函数 | 第56-57页 |
| 5.2.3 遗传算法求解过程 | 第57-58页 |
| 5.3 优化模型最优解 | 第58-60页 |
| 5.4 本章小结 | 第60-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 论文的主要工作 | 第62页 |
| 6.2 论文的创新点 | 第62-63页 |
| 6.3 论文的不足与展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 附录 | 第72-87页 |
| 附录A 感性意象词对调查问卷 | 第72-73页 |
| 附录B 感性意象词对相似度调查问卷 | 第73-74页 |
| 附录C 设计要素提取问卷(部分) | 第74-76页 |
| 附录D 各感性意象词对与设计变量关系表 | 第76-86页 |
| 附录E 感觉特性调查问卷(部分) | 第86-87页 |
