基于感性工学的轿车前脸造型优化设计
摘要 | 第1-6页 |
Abstract | 第6-10页 |
第1章 绪论 | 第10-16页 |
·研究背景 | 第10-11页 |
·感性工学的相关概念 | 第10页 |
·感性工学的重要性及其在轿车设计中的应用 | 第10-11页 |
·研究目的和意义 | 第11-12页 |
·研究目的 | 第11-12页 |
·研究意义 | 第12页 |
·研究内容与方法 | 第12-14页 |
·研究内容 | 第12-13页 |
·研究方法 | 第13-14页 |
·论文结构 | 第14-16页 |
第2章 文献综述与相关理论 | 第16-28页 |
·文献综述 | 第16-19页 |
·国外文献综述 | 第16-17页 |
·国内文献综述 | 第17-19页 |
·文献评述 | 第19页 |
·轿车造型特征相关理论 | 第19-21页 |
·轿车造型特征 | 第19-20页 |
·轿车造型特征线的表达 | 第20页 |
·轿车造型特征线的提取 | 第20-21页 |
·语义差异法及意象尺度法 | 第21-22页 |
·语义差分法 | 第21-22页 |
·意象尺度法 | 第22页 |
·主要统计方法 | 第22-24页 |
·多维尺度分析法 | 第22-23页 |
·聚类分析 | 第23页 |
·因子分析 | 第23-24页 |
·视线追踪技术 | 第24页 |
·建模求解方法 | 第24-28页 |
·形态分析法 | 第24-25页 |
·神经网络 | 第25页 |
·遗传算法 | 第25-28页 |
第3章 轿车前脸造型感觉特性评价量表的构建 | 第28-48页 |
·轿车前脸造型感觉特性代表性意象语汇的选取 | 第28-31页 |
·初始意象语汇的收集 | 第28-29页 |
·代表性意象语汇的筛选 | 第29-31页 |
·轿车前脸造型代表性图片的选取 | 第31-41页 |
·轿车造型设计变量的选取 | 第31-38页 |
·轿车造型图片的生成 | 第38-41页 |
·问卷调查及数据收集 | 第41-42页 |
·轿车前脸感觉特性评价量表的确定 | 第42-46页 |
·各意象语汇与总体相关性分析 | 第42-43页 |
·因子分析与评价量表的建立 | 第43-44页 |
·量表的信度与效度检验 | 第44-46页 |
·本章小结 | 第46-48页 |
第4章 基于神经网络的轿车造型相关模型构建 | 第48-62页 |
·BP神经网络设计基础 | 第48-51页 |
·信息容量与训练样本基础 | 第48页 |
·训练样本集的设计 | 第48-49页 |
·隐含层结构设计 | 第49页 |
·网络训练与测试 | 第49-50页 |
·BP神经网络流程图 | 第50-51页 |
·感性偏好与感性意象词对关系模型构建 | 第51-56页 |
·BP神经网络训练样本集的设计 | 第51页 |
·BP神经网络结构参数设计 | 第51-52页 |
·BP神经网络模型构建 | 第52-54页 |
·模型验证 | 第54-56页 |
·感性偏好与设计变量关系模型构建 | 第56-61页 |
·神经网络输入与输出向量设计 | 第56-57页 |
·BP网络设计 | 第57页 |
·BP神经网络模型构建 | 第57-60页 |
·模型验证 | 第60-61页 |
·本章小结 | 第61-62页 |
第5章 轿车造型特征模型的优化 | 第62-72页 |
·遗传算法 | 第62-63页 |
·轿车造型特征优化模型构建 | 第63-66页 |
·定义决策变量 | 第63-64页 |
·建立目标函数 | 第64页 |
·定义约束条件 | 第64-65页 |
·模型的构建 | 第65-66页 |
·遗传算法与神经网络集成算法设计 | 第66-70页 |
·决策变量编码规则 | 第66-67页 |
·基于神经网络的适应值计算函数 | 第67-69页 |
·遗传算法设计 | 第69-70页 |
·优化结果 | 第70页 |
·最优模型设计及验证 | 第70-71页 |
·最优轿车造型设计 | 第70页 |
·轿车造型优化模型算法验证 | 第70-71页 |
·本章小结 | 第71-72页 |
第6章 总结与展望 | 第72-74页 |
·论文的主要工作 | 第72页 |
·论文的创新点 | 第72-73页 |
·研究不足及展望 | 第73-74页 |
参考文献 | 第74-78页 |
致谢 | 第78-80页 |
附录 | 第80-88页 |