基于视觉意象的飞机座舱内塑料材质设计方法研究*

谈　卫　孙有朝　徐争前　郭云东

(南京航空航天大学民航学院　南京　211106)



基于视觉意象的飞机座舱内塑料材质设计方法研究*

谈卫孙有朝徐争前郭云东

(南京航空航天大学民航学院南京211106)

为增加飞行员驾驶时的视觉舒适性,根据感性工程学的设计流程提出了基于视觉意象的飞机座舱内塑料材质设计方法。首先,选取拟采用的材质,利用虚拟现实技术结合正交实验法渲染生成材质样本;其次,收集描述视觉意象的意象词汇,设计调查问卷,以勾选频率为指标对意象词汇进行初步筛选;再次,利用多元尺度法及阶层聚类确定出代表性的意象词汇;然后利用语义差分法量化代表性视觉意象词汇与材质视觉意象的符合程度;最后构建材质的渲染参数与材料质感视觉意象的关联模型,并进行泛化能力检验,最终基于该模型进行材质设计。以不透明塑料材质为例对座舱左右操纵台进行设计,说明了方法的可行性与适用性。为座舱内部装饰设计提供参考。

视觉意象; 飞机座舱; 材质设计; 感性工程学; 虚拟现实; BP神经网络

Class NumberV37

1　引言

飞机座舱是人机交互节点,是航空工效领域研究的重要对象。座舱内部装饰设计的优劣影响着飞行体验。

环境心理学[1]的研究表明,人对不同环境的心理和生理感受是不同的,环境中的色彩、造型、材质等因素会影响环境中的人,故而飞机座舱中采用不同的材质会对飞行员执行飞行任务造成影响。良好的座舱内饰设计能够增加飞行员的感受,提供工作效率。

目前在座舱内部装饰的材质设计中主要关注材质的结构(刚度、强度)、安全(阻燃、烟雾、毒性)、性能(坚固、耐磨、耐潮湿、耐污染、耐老化、不易褪色)的特征[2],并没有考虑材质本身的质感对用户视觉舒适性的影响。目前座舱中多采用金属材质作为装饰材料,但相比金属塑料材质具有易成型、质轻及比强度高、易着色、耐腐蚀、绝缘的特点[3]。得益于科技的发展,塑料[4]越来越多的被用于座舱内部装饰设计,甚至是结构设计。

感性工程学是一种用户导向技术,以工程学的方法分析用户的感性,并将用户模糊不清的感性需求及意象进行量化,再找出感性量与物理量之间的关系,最终服务于产品的设计。

感性工程学广泛应用于设计领域,如孙凌云等[5]利用感性工程学构建了材料质感意向模型;孔琳琳等[6]利用感性工程学进行汽车座椅的视觉舒适性设计;韩挺等[7]结合感性工程学构建了基于特征匹配的产品意象认知模型并应用于汽车草图设计;王黎静等[8]提出了一种基于感性工程学的驾驶舱内饰感性评价方法,将感性工程学应用于飞机座舱的内饰评价。

为提高飞机座舱内饰的视觉舒适性,本文以塑料材质为研究对象,提出基于视觉意象的飞机座舱内饰塑料材质设计方法,为飞机座舱内部装饰设计提供参考。

2　感性工程学分析

2.1感性工程学的定义分析

感性工程学(Kansei Engineering)是由日本学者Nagamachi于20世纪70 年代提出的,是以消费者导向设计理念为基础的新产品开发技术,不同的机构或者学者对它有着不同的定义,如日本材料工学研究联络委员会所作的定义为：感性工程学是解析感性,有效地结合产品设计技术,在产品众多特性中体现感性的因素;广岛大学教授长町三生[9]所作的定义为：感性工程学是一种以用户为导向的产品开发技术,一种将用户对产品所产生的感觉或意象予以转化为设计要素的技术;我国黄崇彬教授[10]的所作的定义为：感性工程学就是以工学的手法,将人们各种感性因素定量化,再找出该感性量和工学中相关物理量的联系,建立关联关系,作为工程发展的基础。综上,感性工程学是一种用户导向技术,以工程学的方法分析用户的感性,并将用户模糊不清的感性需求及意象进行量化,再找出感性量与物理量之间的关系,最终服务于产品的设计。感性工程学的定义如图1所示。

图1　感性工程学定义

2.2感性工程学的设计流程分析

感性工程学是一种将用户感受应用于设计的方法,能够建立设计要素与用户感受的关联关系。感性工程学的一般流程：明确设计目标,在明确设计目标的基础上,收集描述待设计产品的感性意象词汇和产品样本,筛选获得代表性感性意象词汇,确定待设计的设计要素,构建典型的产品样本,获取典型样本的感性词汇评价值,构建感性词汇评价值与设计元素的关系模型,将关系模型应用于工程,完成设计目标。感性工程学的设计流程如图2所示。

图2　感性工程学的设计流程

3　设计方法研究

3.1代表性材质样本获取

塑料材质从视觉质感的角度可分为不透明塑料、杂点塑料、透明塑料,不同视觉质感的塑料可用于不同的装饰部位。

采用真实塑料进行视觉质感的研究具有耗时长、成本高的缺点,虚拟现实技术能够解决上述问题,为快速获取塑料的视觉质感,采用操作简单且效果优异的KeyShot软件生成材质样本。

塑料的不同视觉质感都可以通过设置材质的渲染参数经渲染后得出。与KeyShot适配的材质库中塑料材质的视觉质感由漫反射、漫反射传播、镜面反射、镜面反射传播、粗糙度、折射率这六个参数构成。

塑料材质质感的渲染参数由范围值和固定值构成,如不透明塑料视觉质感的渲染参数的值如表1所示。在研究某一塑料的视觉质感舒适性问题时,其渲染参数值的区域较宽,若直接构造样本则工作量较大、不可操作,且大部分样本由于渲染参数的值差异小导致样本的质感区分度不大。

表1　KeyShot中不透明塑料渲染参数范围

正交试验法[11]是研究多因素多水平的一种试验设计方法,它是根据正交性从全面试验中挑选出部分有代表性的点进行试验,这些有代表性的点具备“均匀分散,齐整可比”的特点,是一种高效率、快速、经济的试验设计方法。可利用正交试验法构造样本空间,获取代表性塑料视觉质感的样本。

3.2代表性视觉意象词汇获取

材质质感的视觉意象模糊且感性,只能通过描述的方式去表达,为此收集描述材质质感的视觉意象词汇,通过调查问卷结合统计学理论筛选能够描述该视觉质感的代表性意象词汇。

描述材质质感的视觉意象词汇可通过网络、杂志、访谈、论文等渠道收集。收集到的视觉意象词汇是描述材质质感的总和,并不针对具体塑料材质,为此设计调查问卷以勾选频率为指标筛选能够描述具体塑料质感的视觉意象词汇。勾选频率指标采用心理学统计理论[12]中常用的小概率事件的标准即5%。

经过调查问卷筛选过的视觉意象词汇是针对某一具体材质的质感,但剩余的词汇可能会存在语义相似度过高的情况。为获得高典型性和互斥性的视觉意象词汇,可采用多维尺度法结合阶层聚类法进行代表性视觉意象词汇的获取,利用判别分析法对结果进行验证。

3.3材质质感的视觉特性量化

在获取代表性塑料材质样本和描述材质的视觉意象后,需要将材质的质感进行量化。语义差分法(SD法)常用于感觉特性的量化,具有操作简单、效果直接的特点。本部分通过设计调查问卷获取代表性材质样本的质感与代表性视觉意象词汇的符合程度。

为保证结果的信度且便于后续统计分析,符合程度的等级分为五级,采用5级李克特量表的形式进行采集。

3.4视觉意象与渲染参数的关联模型构建

通过量化材质质感的视觉特性后,能够获得材质质感与视觉意象词汇的符合程度值,按照感性工程学的一般流程,此时需要构建材质渲染参数与各视觉意象词汇符合程度间的关系。

在构建材质渲染参数与视觉意象词汇符合程度间的关系时应先进行线性相关的验证,若具有线性关系则构建线性关联模型,若不存在明显的线性关系则构建非线性关联模型。构建关联模型后应该进行模型泛化能力的验证,由于主要用于材质质感的设计,还需要进行主观趋势的验证。

采用皮尔逊系数[13]进行线性相关验证,若存在线性相关的关系则关联模型采用线性回归分析方法,若不存在线性相关关系则采用神经网络法进行视觉意象与渲染参数关联模型的构建。

4　验证实例

以座舱左右操纵台为对象,采用上述设计方法进行设计,以此来说明方法的可行性和合理性。

4.1总体思路

以座舱的左右操纵台为设计对象不仅需要考虑视觉质感的问题还需要考虑座舱内眩光问题,故而只能选取不透明塑料进行座舱左右操纵台的设计。

根据设计方法,结合具体对象,可以得出如图3所示的设计流程。

4.2代表性材质样本获取

如表2所示,不透明塑料材质的可变渲染参数为漫反射、粗糙度、折射率,其中漫反射参数的范围为0～255,粗糙度参数的范围为0～2,折射率参数的范围为1.4～1.6。故而,正交实验中的因素个数为3,因素水平先确定大概范围再根据实际渲染样本的区分度确定,本实例中因素水平定为5,试验次数根据经验值确定,本实例中确定的试验次数为25。因此本实例中确定的正交符号为L25(53)。构建如表2所示正交计划表。

图3　实例流程

试验号列号试验号列号ABCABC1510.41.44141531.61.442510.81.48151532.01.483511.21.52162040.41.564511.61.56172040.81.65512.01.6182041.21.4461020.41.48192041.61.4871020.81.52202042.01.5281021.21.56212550.41.691021.61.6222550.81.44101022.01.44232551.21.48111530.41.52242551.61.52121530.81.56252552.01.56131531.21.6

这里仅研究不透明塑料的视觉质感,故应确定不透明塑料的色彩及座舱光环境,以排除色彩及光环境对不透明塑料的视觉质感的影响。座舱色彩根据GJB 1192-91《军用飞机内部颜色要求》[14]确定样本的表面色,表面色选择灰色(B03);采用CIE提出的天空亮度模型[15]确定座舱内光环境的亮度。确定样本表面色及环境亮度后进行代表性不透明塑料材质样本的渲染,渲染后的样本(部分)如图4所示。

图4　不透明塑料材质样本(部分)

4.3代表性视觉意象词汇获取

通过网络、杂志、访谈、论文的渠道获取描述材质质感的意象词汇共150个并对每个意象词汇进行编号,设计调查问卷发放给调查对象,要求勾选能够描述塑料尤其是不透明塑料的意象词汇。统计调查问卷,分析各个意象词汇的勾线频率并进行降序排列,统计结果如图5所示。

图5　勾选频率分析

通过降序排列去除勾线频率小于5%的视觉意象词汇还剩余54个词汇,设计调查问卷发放给调查对象,要求调查对象将语义相近的词进行归类,统计每两个词汇被分到一起的次数,构成一个54*54的相似矩阵。利用SPSS[16]软件对矩阵进行二到六维的多维尺度展开,发现在第六维展开时拟合劣度指标和拟合优度指标均表现较好。在进行六维展开后,以六维空间的分布为特征量,利用SPSS中的系统聚类功能进行指定聚类系数的聚类分析,发现在第59步时发生突变,结合聚类树状图可以发现将54个意象词汇分为5组较为合适。得到组数后就可以进行指定群数为5的系统聚类,并利用判别分析法对结果进行交叉验证,可得到各组感性意象词汇的样本分布。各组感性意象词汇的样本分布如图6所示。

图6　各组感性意象词汇的样本分布

通过感性意象词汇的样本分布就可以选取各组中离组质心最近的样本,最终可以确定出本实例中描述座舱环境下不透明塑料的视觉意象词汇。确定的词汇分别为：坚固的、简约的、精致的、实用的、安全的。

4.4不透明塑料材质的视觉特性量化

本部分利用语义差分法结合调查问卷进行不透明塑料的视觉特性量化,调查问卷及填写示例如图7所示。

图7　视觉特征量化的调查问卷及填写示例

对各不透明塑料样本的符合程度值进行平均,得到代表性不透明塑料样本与代表性视觉意象词汇的符合程度主观评价表。

4.5视觉意象与渲染参数的关联模型构建

利用皮尔逊系数及t检验判断渲染参数与符合程度间的线性关系,若t检验的值小于0.01则两个变量呈显著线性相关。经过计算发现本实例中渲染参数与意象词汇符合程度间不具有显性的线性相关性,故而采用神经网络构建两者间的关联模型。

BP神经网络是一种构建非线性关系的工具,是一种按误差逆传播算法训练的多层前馈网络,虽然有收敛速度慢、学习和记忆不稳定的缺陷,但仍然是目前应用最广泛的神经网络模型之一。BP神经网络在基于感性工程学的设计中被广泛采用,故采用BP神经网络构建两者间的关联模型。

BP神经网络模型拓扑结构包括输入层、隐含层和输出层,本实例中的输入层为渲染参数的值,输入层的神经元的个数3,分别为漫反射、粗糙度、折射率的值,输出层为不透明塑料样本与意象词汇的符合程度,输出层的神经元个数为5个,分别为符合程度的值。

通过试训练以训练成功次数、平均耗时为指标确定第一层激活函数,第一层激活函数为tan-sigmoid。本实例中需要输出的值域为[1～5],故而需要对输出值进行反归一化,所以第二层的传递函数采用线性传递函数purelin函数。

由于输入层的3个神经元的量纲不同,采用归一化函数使输入数据映射到[-1,1]。通过试训练的方式以成功次数、平均训练误差、稳定性、训练时间为指标确定trainlm为训练函数,采用可变速率算法[18](VLBP)控制学习率,设定误差目标为10-4,通过Matlab[19]自带的NNTOOL命令打开神经网络工具箱进行,将20个样本用于训练,5个样本用于泛化能力验证,发现在171步时达到训练目标,利用模型对剩余5个样本进行验证,发现最大偏差率为14.438%,平均偏差为5.674%,该模型基本满足精度需求。图8为模型网络训练收敛曲线。

图8　网络训练收敛曲线

图9　座舱仿真三维模型

利用3ds MAX[20]软件构建座舱三维模型并导入KeyShot[21],设置材质的渲染参数及背景环境,进行主观趋势验证,结果表明构建的关联模型能够反映主观趋势的变化。用于趋势验证的座舱仿真三维模型如图9所示。

在上述工作后就可以利用构建的模型进行工程应用,如设置渲染参数203,1.8,1.45,则可以得出视觉意象词汇的评价值(2.0284,3.6756,2.2579,3.0174,2.4531)。

4.6讨论

本实例在实施过程中的调查对象中部分为学生部分是飞行员,所以构建的模型主要用于方法验证。若将该方法用于实际的产品设计,必须以实际用户为研究对象进行研究,按照方法的流程开展工作,否则会出现偏差。

5　结语

本文针对目前座舱内饰的材料设计中忽略视觉意象的问题,结合感性工程学的设计流程,提出了基于视觉意象的座舱内塑料材质设计方法,构建材质质感与视觉意象词汇间的关联模型,为座舱内部装饰设计提供参考。

以飞机座舱左右操纵台的材质设计为例,获得了不透明塑料的渲染参数与视觉意象词汇符合程度间的关联模型。数据显示该模型的误差满足工程应用,且主观趋势一致,说明了方法的可行性和适用性。

使用该方法能够很好地将用户的感性需求融入到座舱内部装饰的设计过程中,缩短设计周期,减少设计费用,降低产品失败风险,提升产品竞争力。

[1] 张玉明.环境行为与人体工程学[M].北京:中国电力出版社,2011.

ZHANG Yuming.EnvironmentalBehavior and Human Engineering[M].Beijing:Electric Power Press of China,2011.

[2] 马绪章.民用飞机内部设施[M].北京:航空工业出版社,1998.

MA Xuzhang.InternalFacilities of Civil Aircraft[M]. Beijing: Aviation Industry Press,1998.

[3] 程能林.工业设计手册(精)[M].北京:化学工业出版社,2008.

CHEN Nenglin,Handbook of Industrial Design[M].Beijing:Chemical Industry Press,2008.

[4] 潘先进.民用飞机内饰材料研究[J].装备制造技术,2014(8):237-238.

Pan Xianjin.Study on Civil Aircraftinterior materials[J].Equipment Manufacturing Technology,2014(8):237-238.

[5] 孙凌云,孙守迁,许佳颖.产品材料质感意象模型的建立及其应用[J].浙江大学学报:工学版,2009(2):283-289.

SUN Lingyun,SUN Shouqian,XU Jiaying.Research and application of product material texture image model[J].Journal of Zhejiang University:Engineering Science,2009(2):283-289.

[6] 孙琳琳,孔繁森,刘威.汽车座椅视觉舒适度客户感性认知过程[J].东北大学学报:自然科学版,2015(9):1331-1336.

SUN Linlin,KONG Fansen,LIU Wei.Customers’ Perceptual Cognition of the Visual Comfort of Automobile Seats[J].Journal of Northeastern University:Natural Science,2015(9):1331-1336.

[7] 韩挺,孙守迁,潘云鹤.基于消费者认知的产品形态偏好预测系统[J].上海交通大学学报,2009(4):606-611.

HAN Ting,SUN Shouqian,PAN Yunhe.Product Form Preference Predict ion System Based on Consumer’s Cognition Model[J].Journalof ShangHai JiaoTong University,2009(4):606-611.

[8] 王黎静,曹琪琰,莫兴智,等.民机驾驶舱内饰设计感性评价研究[J].机械工程学报,2014(22):122-126.

WANG Lijing,CAO Qiyan,MO Xingzhi.Study of Users’ Kansei on commercial aircraft cockpit interior design[J].Journalof Mechanical Engineering,2014(22):122-126.

[9] 李月恩,王震亚,徐楠.感性工程学[M].北京:海洋出版社,2009.

LI Yueen,WANG Zhenya,XU Nan.KanseiEngineering[M].Beijing:Ocean Press,2009.

[10] 赵秋芳,王震亚,范波涛.感性工学及其在日本的研究现状[J].艺术与设计,2007(7):32-34.

ZHAO Qiufang,WANG Zhenya.An Introduction of Kansei Engineering and its Research Status in Japan[J].Art and Design,2007(7):32-34.

[11] 李云雁.试验设计与数据处理[M].北京:化学工业出版社,2008.

LI Yanyun.Experiment Design and Data Processing[M].Beijing: Chemical Industry Press,2008.

[12] 张敏强.教育与心理统计学[M].北京:人民教育出版社,2010.

ZHANG Minqiang.Education and psychological statistics[M].BeiJing:People’s education press,2010.

[13] Adler J,Parmryd I. Quantifying colocalization by correlation: The Pearson correlation coefficient is superior to the Mander’s overlap coefficient[J]. Cytometry Part A the Journal of the International Society for Analytical Cytology,2010,77(8):733-742.

[14] GJB 1192-91.军用飞机内部颜色要求[S].2005.

GJB 1192-91.Internal color requirements for military aircraft[S].2005.

[15] ISO 15469.Spatial distribution CIE Standard General Sky[S].2004.

[16] 王苏斌.SPSS统计分析[M].北京:机械工业出版社,2003.

WANG Subin.Based on SPSS statistical analysis[M].BeiJing:China Machine Press,2003.

[17] Hecht-Nielsen R. Theory of the backpropagation neural network[J]. Neural Networks,1988,1(1):65-93.

[18] 李俊涛,张凤鸣,张文华.一种综合改进的启发式BP神经网络研究[J]. 计算机应用与软件,2007,24(8):166-167.

LI Juntao,ZHANG Fengming,ZHANG Wenhua.Sutdy On Comprehensively Improved Heuristic BP NeuralNetwork[J].ComputerApplicationsandSoftware,2007,24(8):166-167.

[19] 闻新.MATLAB神经网络仿真与应用[M].北京:科学出版社,2003.

WEN Xin.Simulation and application of neural network by MATLAB[M].Beijing:Science Press,2003.

[20] 曹凯,张伟,杨添.3ds Max 2014从入门到精通[M].北京:中国青年出版社,2014.

CAO Kai,ZHANGWei,YANG Tian.3ds Max 2014 from entry to the master[M].Beijing:China Youth Publishing House,2014.

[21] 张安鹏,靳美艳.Creo Parametric曲面设计与KeyShot实时渲染[M].北京:北京航空航天大学出版社,2014.

ZHANG Anpeng,XIN Meiyan.Curve Surface Design By Creo Parametric and Real-time Rendering By KeyShot[M].Beijing:Buaa Press,2014.

Design Method of Plastic Material in Aircraft Cockpit Based on Visual Imagery

TAN WeiSUN YouchaoXU ZhengqianGUO Yundong

(College of Civil Aviation,Nanjing University of Aeronautics and Astronautics, Nanjing211106)

In order to increase the visual comfort of pilots,the design method of plastic material in aircraft cockpit based on visual imagery is put forward according to the design process of perceptual engineering. Firstly,the material to be used is selected. And the material samples are rendered by the virtual reality technology combined with orthogonal experimental method. Secondly,the imagery vocabulary describing the visual image is selected,and the questionnaire is designed to select the imagery vocabulary indexed by selected frequency.Thirdly,the representative imagery vocabulary is determined using the method of multiple scales and hierarchical clustering. Then the compliance of representative visual imagery vocabulary with the material visual imagery is quantified by the semantic difference method. Finally,the model of the realtionship between the material rendering parameters and the visual imagery of the material is constructed,while the generalization ability is tested. The material design is carried out based on the model. Taking the opaque plastic material as an example,the design of the left and right control console is carried out,which shows the feasibility and applicability of the method,providing an reference for cockpit interior design.

visual imagery, aircraft cockpit, material design, perceptual engineering, virtual reality, BP nerve network

2016年4月11日,

2016年5月23日

国家自然科学基金委员会与中国民用航空局联合基金资助项目(编号：U1333119,60979019,60572171)；国防基础科研计划重点项目(编号：JCKY2013605B002)；工信部民用飞机专项(编号：MJ-F-2011-33)资助。

谈卫，男，硕士研究生，研究方向：航空器人机工效技术。孙有朝，男，教授，博士生导师，研究方向：人机工效技术、产品虚拟设计与验证技术、飞机可靠性与安全性工程、航空器适航技术与管理。徐争前，男，博士研究生，研究方向：航空器人机工效技术。郭云东，男，博士研究生，研究方向：航空器人机工效技术。

V37

10.3969/j.issn.1672-9722.2016.10.042