基于感性工学与BP 神经网络的电动叉车造型设计研究

五邑大学艺术设计学院 杨晶晶 王汉友（通信作者） 梁育圣

随着社会需求的多样化发展，以功能为导向和凭借主观经验设计产品已不能满足市场需求，形式与功能的相辅相成共同带动设计领域的进步是十分必要的[1]。现有工程装备创新设计主要由工程师主导，设计师缺乏话语权，导致工程装备造型设计不仅不如人意，还严重影响了用户的使用体验和产品的品牌形象，制约了我国工程装备产业的进一步转型升级。因此，文章以感性工学理论为依据，以电动叉车为例，构建电动叉车造型要素与感性意象的BP 神经网络模型，寻找工程与设计的最大契合点，挖掘造型特征与市场感性认知之间的关联性。

1 感性工学概述

感性工学是将消费者的感性认知转化为工学尺度的有效方法，它的思想核心是以消费者的感性需求为导向，利用数理统计方法将消费者对产品的主观感性意象进行定性或定量的表达，从而指导设计师进行新产品的设计开发[2]。感性工学方法已应用于多领域，有学者提出基于用户偏好的造型设计，用以解决汽车造型与用户感性认知偏好之间匹配度低的问题[3]。运用感性意象理论指导设计，获取用户的感性意象因子，并以提升产品的情感关怀[4]。同时，还可以利用数理原理识别出产品形象有影响力的设计元素，例如采用数量化I 类方法通过定性自变量来预测定量因变量，充分地理解用户的需求[5]。许多学者已经意识到用户感觉意象的重要性，由于感性认知是模糊不易测量的，大多数研究停留在定性方法的运用上，显然对造型感性意象的研究不够深入。因此，文章采用具有非线性属性的BP 神经网络进行研究，使用户对产品造型的感性意象逐渐可视化和定量化。

2 BP 神经网络概述

BP 神经网络是人类通过研究生物神经网络的运作原理、组成要素、影响因素等，从而考究出人工神经网络的一种，通过模仿动物神经网络的工作原理，构建人工神经元摄取数据内部规律。在设计领域通常以统计学为基础，采用BP 神经网络解决用户感性需求与产品造型的复杂非线性问题[6]。有学者以手机为设计对象建立了设计变量与用户偏好之间的BP 神经网络模型，用于指导设计[7]。基于BP 神经网络计算造型设计要素与感觉意象之间的映射关系，可对汽车造型设计进行准确地评价[8]。进一步，可结合实验仪器通过眼动追踪提取网页主页外观的设计要素，使用BP 神经网络定量描述设计要素和感性意象之间的关联[9]。综合上述研究，在工程产品上，缺乏这样的定量研究。市场更偏重于功能性，忽略造型的美观性。因此，文章运用BP 神经网络在电动叉车造型设计上，目的是把用户的模糊情感与需求采用数理工具将其转化为定量的数据，并与设计要素构成可视化的映射网络用于指导设计，从而精确地把握市场的需求并缩短设计周期。

3 基于感性工学与BP 神经网络的电动叉车造型设计流程

3.1 筛选代表样本

通过叉车官网、杂志、期刊文献、大赛作品等渠道选取样本124 个，随后组建有设计背景的焦点小组剔除重复、图片模糊和无设计感的样本。下一阶段以形态分析法为指导理论，将电动叉车造型结构进行分解可得17 个造型要素，如表1 所示。结合焦点小组筛选后的样本进行问卷调查，并将数据导入SPSS 软件进行聚类分析，聚类后的样本有28 类，最后从中选取代表性样本28 个。

表1 电动叉车造型要素

3.2 获取感性意象词汇

文章电动叉车感性词汇筛选分为三个阶段，第一阶段：通过用户访谈、相关文献、叉车企业官网、叉车杂志书籍等收集相关叉车感性词汇110 个。第二阶段：组织焦点小组预先剔除相似、功能性强、重复的词汇，再制作问卷指定工程与设计人群填写，选取投票率60%以上的词汇有7 组。第三阶段：运用语义差异法和因子分析筛选代表性词汇。第二阶段筛选出来的7 组词汇搭配7 个叉车样本制作评价量表，反馈的数据使用SPSS25 软件进行因子分析，经过因子旋转得到的主成分有两个，成分1 选取＞0.850，成分2 选取＞0.900的感性词汇包括力量的、简约的、灵活的，如表2 所示。

表2 旋转后的成分矩阵

3.3 构建网络

运用Matlab2018 软件构建BP 神经网络，通过对数据的分析，文章的BP 神经网络确定由输入层、一层隐含层、输出层三层共同组成。网络的成功预测在于训练时节点数的选择，隐节点数的作用是通过挖掘训练样本中的内在规律进而转化为权值，每训练一次权值便会调整一次，在误差结果没有达到预期时，通过权值进行反复调节，直到达到目标误差为止。

文章对电动叉车的17 个造型要素进行四个意象词汇评价，因此输入层节点数为17，输出层节点数为4。关于隐含层节点数的选取根据下列（1）公式：

式中：n—输入节点数；

l—输出节点数；

a—1～10 的常数。

可根据以上公式选取神经节点或根据文献[10]的研究，发现隐含层的节点数取输入层节点数与输出层节点数的一半时，误差MSE 值也较小。因此该网络结合公式（1）和文献研究选定隐层节点数为13。文章BP 神经网络示意图，如图1 所示。

图1 电动叉车BP 神经网络模型

3.4 训练网络

文章样本一共28 个，前23 个作为训练样本，将表2 前23个样本数据输入网络，设定学习次数为5000 次，目标误差值为1e—4，隐层和输出层激活函数分别为logsig 和purelin。采用梯度下降法，训练结果显示网络在第4892 次时达到训练目标，实际训练的均方误差达到10—4，训练Training=0.99282 表示网络拟合程度较高，如图2、3 所示。

图2 MSE 误差结果图

图3 训练模型拟合结果图

3.5 测试网络

网络的测试作用在于检测网络模型的泛化能力，神经网络的泛化能力是衡量网络优劣的重要指标，构建网络到训练网络的目的是挖掘数据的内在规律，获取一定的有效信息。最后一环节检测网络能不能用的关键在于网络的测试，网络测试可以发现问题。用剩余的5 个样本作为测试样本。采用上述已经构建好的BP 网络，运用梯度下降法原理测试网络。结果显示在134 次时，网络误差较小达到预期（＜10—4），测试结果的期望值与实际值的相对误差在10—5 至10—4 之间，表示网络精度达到要求，如表3所示。

表3 测试网络结果

3.6 电动叉车造型要素组合方案的确定

文章电动叉车造型要素有17 个，则组合方案一共有4×4×3×2×2×2=384 种。把所有方案按照0,1 编码导入已构建好的BP 网络模型中计算其感性评价值，可预测出最优造型组合方案。由预测结果可得“力量的”最佳评价值是2.3530，对应的电动叉车造型编码是01001001000 010110；“简约的”最佳评价值是1.0300，对应的电动叉车造型编码是00011000110 000110；“灵活的”最佳评价值是1.1891，对应的电动叉车造型编码是01000011000 011010；“坚实的”最佳评价值是1.2281，对应的电动叉车造型编码是00101001000010101。经总结，可得各造型编码对应的感性词汇最优组合，如表4 所示。

表4 各感性词汇对应最优组合

4 电动叉车造型设计实践

4.1 草图构思

我国叉车行业在技术上已经逐渐提高，在满足基本功能的前提下，以消费者感性需求为导向，把握消费者实际需求，可提升企业的竞争力，同时体现企业的前瞻性与领先性。所有产品设计都基于市场导向的产业化过程，草图设计是设计理念的一种表达方式，记录初步设计思想，便于设计师对产品比例、线条、细节的优化修改。通过上述感性工学与BP 神经网络的电动叉车造型研究结论，获得一定的设计策略和规律，并以研究结论为设计指导依据，可知用户对电动叉车造型的感性需求倾向于力量的、简约的、灵活的、坚实的这四种意象。同时，将造型要素组合方案融入电动叉车造型设计中，并印证研究成果的有效性。根据设计指导明晰设计方向，并绘制出电动叉车草图方案，如图4 所示。由直角梯形式护顶架体现驾驶室轮廓（X1=直角梯形），整车视觉比例上下等分（X2=X=Y），同时前后通过各线条延续性呈现整体可观（X6=与车身具有整体性）。鉴于实际生产条件的不同，车身侧面可选择工艺、材质或色彩分层等多种方式实现整车的层次感和细节感（X4=具有铸造细节）。

图4 草图方案

4.2 设计方案

选择三维建模的方式将草图方案具体化，同时优化设计方案，最终电动叉车设计方案效果图，如图5 所示。

护顶架设计：护顶架属于防护装置，能够承受货物的意外坠落冲击，具有抵抗变形的能力，主要作用是保护驾驶员的安全。护顶架是驾驶室轮廓重要组成部分，需体现力量感和安全性。相对整体圆弧式护顶架，按照意象词汇对应的造型规则，直角梯形不仅能体现力量感、灵活性，其耐变形能力也更强，但由于该电动叉车吨位较小，车身整体长度较短，为确保造型整体感，便增加，护顶架的跨度，使之与车身一体，故将护顶架轮廓设计成梯形形式，并在拐角处设计小角度曲线过度。将护顶架两条后腿与车身后端连接，并有自然向上收敛的动势，呈现出整车空间的包围感与坚固感，以便给驾驶者更强的安全感。

车身比例设计：比例、尺度、均衡等均属于形式美法则的内容，和谐的比例能体现出产品极高的艺术表现力，承载着产品美感。从侧面视角看，叉车在纵向视觉上的比例是护顶架与下车身占比为上下等距的（X=Y 型），护顶架呈现向上收缩的动势，避免头重脚轻，使整车不仅呈现出稳定的力量感，还具有一定的灵活性。

色彩选择：为了避免杂乱色彩的视觉污染，大部分用户希望仅用两种色彩装饰车身。配重部分的深灰色区域与侧面车身下端的深灰色相互呼应，中间层通过红色进行连接，从而体现出电动叉车造型的整体性。

车身侧面设计：通过调研和BP 神经网络的数据分析，市场对车身侧面的造型更青睐于铸造的细节特征，同时考虑到实际生产条件，车身保留适度向下倾斜，富有力量感的简洁线条，同时精心设计踏板、护顶架与车身连接等多处细节，强调整体简洁设计语言的同时，使车身侧面富于变化，综合材质分层、喷漆、贴图技术等，达到控制成本并呈现出铸造效果（实际可冲压成型），从而满足用户的感性需求。

叉车支点的选择：尽管3 支点叉车具有视觉灵活性，但是缺乏稳定感，遵循研究规律整车选择4 支点底座展现实际的稳定和坚实感。

配重部分的设计：为了打造企业在社会公众心中的优秀IP 形象，同时确保力量、简洁、灵活的造型意向，兼顾开启蓄电池箱盖板的便捷性，将配重设计为“T”形。为避免“T”形过于单调，设计了倒梯形浅凹槽与之对应，配重“T”形特征与倒梯形凹槽形成部分交叠穿插，充分展现出造型的选择多样性和层次感，避免造型的呆板生硬感。

最后阶段，随机从样本库抽取3 个样本叉车与该电动叉车方案为试验对象，制作问卷向工程装备设计人员、叉车驾驶员和具有工业设计背景的学生及教师进行用户感性意象调查，并通过文章BP 神经网络进行计算，最终图5 的电动叉车设计方案获得较高评价。

图5 电动叉车效果图

5 结语

文章以感性工学为依据，从选取样本到研究结论的得出均充分运用数理统计工具，尽可能减少主观因素对电动叉车造型设计的影响。构建电动叉车造型要素与用户感性需求的BP 神经网络，实现了用户对电动叉车造型模糊需求的定量化，证实了BP 神经网络的良好预测能力，从而为设计师提供了更理性的设计依据，避免企业盲目设计，明晰市场的感性需求。