基于視覺意象的飛機座艙內塑料材質設計方法研究*

談　衛　孫有朝　徐爭前　郭云東

(南京航空航天大學民航學院　南京　211106)

?

基于視覺意象的飛機座艙內塑料材質設計方法研究*

談衛孫有朝徐爭前郭云東

(南京航空航天大學民航學院南京211106)

為增加飛行員駕駛時的視覺舒適性,根據感性工程學的設計流程提出了基于視覺意象的飛機座艙內塑料材質設計方法。首先,選取擬采用的材質,利用虛擬現實技術結合正交實驗法渲染生成材質樣本;其次,收集描述視覺意象的意象詞匯,設計調查問卷,以勾選頻率為指標對意象詞匯進行初步篩選;再次,利用多元尺度法及階層聚類確定出代表性的意象詞匯;然后利用語義差分法量化代表性視覺意象詞匯與材質視覺意象的符合程度;最后構建材質的渲染參數與材料質感視覺意象的關聯模型,并進行泛化能力檢驗,最終基于該模型進行材質設計。以不透明塑料材質為例對座艙左右操縱臺進行設計,說明了方法的可行性與適用性。為座艙內部裝飾設計提供參考。

視覺意象; 飛機座艙; 材質設計; 感性工程學; 虛擬現實; BP神經網絡

Class NumberV37

1　引言

飛機座艙是人機交互節點,是航空工效領域研究的重要對象。座艙內部裝飾設計的優劣影響著飛行體驗。

環境心理學[1]的研究表明,人對不同環境的心理和生理感受是不同的,環境中的色彩、造型、材質等因素會影響環境中的人,故而飛機座艙中采用不同的材質會對飛行員執行飛行任務造成影響。良好的座艙內飾設計能夠增加飛行員的感受,提供工作效率。

目前在座艙內部裝飾的材質設計中主要關注材質的結構(剛度、強度)、安全(阻燃、煙霧、毒性)、性能(堅固、耐磨、耐潮濕、耐污染、耐老化、不易褪色)的特征[2],并沒有考慮材質本身的質感對用戶視覺舒適性的影響。目前座艙中多采用金屬材質作為裝飾材料,但相比金屬塑料材質具有易成型、質輕及比強度高、易著色、耐腐蝕、絕緣的特點[3]。得益于科技的發展,塑料[4]越來越多的被用于座艙內部裝飾設計,甚至是結構設計。

感性工程學是一種用戶導向技術,以工程學的方法分析用戶的感性,并將用戶模糊不清的感性需求及意象進行量化,再找出感性量與物理量之間的關系,最終服務于產品的設計。

感性工程學廣泛應用于設計領域,如孫凌云等[5]利用感性工程學構建了材料質感意向模型;孔琳琳等[6]利用感性工程學進行汽車座椅的視覺舒適性設計;韓挺等[7]結合感性工程學構建了基于特征匹配的產品意象認知模型并應用于汽車草圖設計;王黎靜等[8]提出了一種基于感性工程學的駕駛艙內飾感性評價方法,將感性工程學應用于飛機座艙的內飾評價。

為提高飛機座艙內飾的視覺舒適性,本文以塑料材質為研究對象,提出基于視覺意象的飛機座艙內飾塑料材質設計方法,為飛機座艙內部裝飾設計提供參考。

2　感性工程學分析

2.1感性工程學的定義分析

感性工程學(Kansei Engineering)是由日本學者Nagamachi于20世紀70 年代提出的,是以消費者導向設計理念為基礎的新產品開發技術,不同的機構或者學者對它有著不同的定義,如日本材料工學研究聯絡委員會所作的定義為：感性工程學是解析感性,有效地結合產品設計技術,在產品眾多特性中體現感性的因素;廣島大學教授長町三生[9]所作的定義為：感性工程學是一種以用戶為導向的產品開發技術,一種將用戶對產品所產生的感覺或意象予以轉化為設計要素的技術;我國黃崇彬教授[10]的所作的定義為：感性工程學就是以工學的手法,將人們各種感性因素定量化,再找出該感性量和工學中相關物理量的聯系,建立關聯關系,作為工程發展的基礎。綜上,感性工程學是一種用戶導向技術,以工程學的方法分析用戶的感性,并將用戶模糊不清的感性需求及意象進行量化,再找出感性量與物理量之間的關系,最終服務于產品的設計。感性工程學的定義如圖1所示。

圖1　感性工程學定義

2.2感性工程學的設計流程分析

感性工程學是一種將用戶感受應用于設計的方法,能夠建立設計要素與用戶感受的關聯關系。感性工程學的一般流程：明確設計目標,在明確設計目標的基礎上,收集描述待設計產品的感性意象詞匯和產品樣本,篩選獲得代表性感性意象詞匯,確定待設計的設計要素,構建典型的產品樣本,獲取典型樣本的感性詞匯評價值,構建感性詞匯評價值與設計元素的關系模型,將關系模型應用于工程,完成設計目標。感性工程學的設計流程如圖2所示。

圖2　感性工程學的設計流程

3　設計方法研究

3.1代表性材質樣本獲取

塑料材質從視覺質感的角度可分為不透明塑料、雜點塑料、透明塑料,不同視覺質感的塑料可用于不同的裝飾部位。

采用真實塑料進行視覺質感的研究具有耗時長、成本高的缺點,虛擬現實技術能夠解決上述問題,為快速獲取塑料的視覺質感,采用操作簡單且效果優異的KeyShot軟件生成材質樣本。

塑料的不同視覺質感都可以通過設置材質的渲染參數經渲染后得出。與KeyShot適配的材質庫中塑料材質的視覺質感由漫反射、漫反射傳播、鏡面反射、鏡面反射傳播、粗糙度、折射率這六個參數構成。

塑料材質質感的渲染參數由范圍值和固定值構成,如不透明塑料視覺質感的渲染參數的值如表1所示。在研究某一塑料的視覺質感舒適性問題時,其渲染參數值的區域較寬,若直接構造樣本則工作量較大、不可操作,且大部分樣本由于渲染參數的值差異小導致樣本的質感區分度不大。

表1　KeyShot中不透明塑料渲染參數范圍

正交試驗法[11]是研究多因素多水平的一種試驗設計方法,它是根據正交性從全面試驗中挑選出部分有代表性的點進行試驗,這些有代表性的點具備“均勻分散,齊整可比”的特點,是一種高效率、快速、經濟的試驗設計方法。可利用正交試驗法構造樣本空間,獲取代表性塑料視覺質感的樣本。

3.2代表性視覺意象詞匯獲取

材質質感的視覺意象模糊且感性,只能通過描述的方式去表達,為此收集描述材質質感的視覺意象詞匯,通過調查問卷結合統計學理論篩選能夠描述該視覺質感的代表性意象詞匯。

描述材質質感的視覺意象詞匯可通過網絡、雜志、訪談、論文等渠道收集。收集到的視覺意象詞匯是描述材質質感的總和,并不針對具體塑料材質,為此設計調查問卷以勾選頻率為指標篩選能夠描述具體塑料質感的視覺意象詞匯。勾選頻率指標采用心理學統計理論[12]中常用的小概率事件的標準即5%。

經過調查問卷篩選過的視覺意象詞匯是針對某一具體材質的質感,但剩余的詞匯可能會存在語義相似度過高的情況。為獲得高典型性和互斥性的視覺意象詞匯,可采用多維尺度法結合階層聚類法進行代表性視覺意象詞匯的獲取,利用判別分析法對結果進行驗證。

3.3材質質感的視覺特性量化

在獲取代表性塑料材質樣本和描述材質的視覺意象后,需要將材質的質感進行量化。語義差分法(SD法)常用于感覺特性的量化,具有操作簡單、效果直接的特點。本部分通過設計調查問卷獲取代表性材質樣本的質感與代表性視覺意象詞匯的符合程度。

為保證結果的信度且便于后續統計分析,符合程度的等級分為五級,采用5級李克特量表的形式進行采集。

3.4視覺意象與渲染參數的關聯模型構建

通過量化材質質感的視覺特性后,能夠獲得材質質感與視覺意象詞匯的符合程度值,按照感性工程學的一般流程,此時需要構建材質渲染參數與各視覺意象詞匯符合程度間的關系。

在構建材質渲染參數與視覺意象詞匯符合程度間的關系時應先進行線性相關的驗證,若具有線性關系則構建線性關聯模型,若不存在明顯的線性關系則構建非線性關聯模型。構建關聯模型后應該進行模型泛化能力的驗證,由于主要用于材質質感的設計,還需要進行主觀趨勢的驗證。

采用皮爾遜系數[13]進行線性相關驗證,若存在線性相關的關系則關聯模型采用線性回歸分析方法,若不存在線性相關關系則采用神經網絡法進行視覺意象與渲染參數關聯模型的構建。

4　驗證實例

以座艙左右操縱臺為對象,采用上述設計方法進行設計,以此來說明方法的可行性和合理性。

4.1總體思路

以座艙的左右操縱臺為設計對象不僅需要考慮視覺質感的問題還需要考慮座艙內眩光問題,故而只能選取不透明塑料進行座艙左右操縱臺的設計。

根據設計方法,結合具體對象,可以得出如圖3所示的設計流程。

4.2代表性材質樣本獲取

如表2所示,不透明塑料材質的可變渲染參數為漫反射、粗糙度、折射率,其中漫反射參數的范圍為0～255,粗糙度參數的范圍為0～2,折射率參數的范圍為1.4～1.6。故而,正交實驗中的因素個數為3,因素水平先確定大概范圍再根據實際渲染樣本的區分度確定,本實例中因素水平定為5,試驗次數根據經驗值確定,本實例中確定的試驗次數為25。因此本實例中確定的正交符號為L25(53)。構建如表2所示正交計劃表。

圖3　實例流程

試驗號列號試驗號列號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

這里僅研究不透明塑料的視覺質感,故應確定不透明塑料的色彩及座艙光環境,以排除色彩及光環境對不透明塑料的視覺質感的影響。座艙色彩根據GJB 1192-91《軍用飛機內部顏色要求》[14]確定樣本的表面色,表面色選擇灰色(B03);采用CIE提出的天空亮度模型[15]確定座艙內光環境的亮度。確定樣本表面色及環境亮度后進行代表性不透明塑料材質樣本的渲染,渲染后的樣本(部分)如圖4所示。

圖4　不透明塑料材質樣本(部分)

4.3代表性視覺意象詞匯獲取

通過網絡、雜志、訪談、論文的渠道獲取描述材質質感的意象詞匯共150個并對每個意象詞匯進行編號,設計調查問卷發放給調查對象,要求勾選能夠描述塑料尤其是不透明塑料的意象詞匯。統計調查問卷,分析各個意象詞匯的勾線頻率并進行降序排列,統計結果如圖5所示。

圖5　勾選頻率分析

通過降序排列去除勾線頻率小于5%的視覺意象詞匯還剩余54個詞匯,設計調查問卷發放給調查對象,要求調查對象將語義相近的詞進行歸類,統計每兩個詞匯被分到一起的次數,構成一個54*54的相似矩陣。利用SPSS[16]軟件對矩陣進行二到六維的多維尺度展開,發現在第六維展開時擬合劣度指標和擬合優度指標均表現較好。在進行六維展開后,以六維空間的分布為特征量,利用SPSS中的系統聚類功能進行指定聚類系數的聚類分析,發現在第59步時發生突變,結合聚類樹狀圖可以發現將54個意象詞匯分為5組較為合適。得到組數后就可以進行指定群數為5的系統聚類,并利用判別分析法對結果進行交叉驗證,可得到各組感性意象詞匯的樣本分布。各組感性意象詞匯的樣本分布如圖6所示。

圖6　各組感性意象詞匯的樣本分布

通過感性意象詞匯的樣本分布就可以選取各組中離組質心最近的樣本,最終可以確定出本實例中描述座艙環境下不透明塑料的視覺意象詞匯。確定的詞匯分別為：堅固的、簡約的、精致的、實用的、安全的。

4.4不透明塑料材質的視覺特性量化

本部分利用語義差分法結合調查問卷進行不透明塑料的視覺特性量化,調查問卷及填寫示例如圖7所示。

圖7　視覺特征量化的調查問卷及填寫示例

對各不透明塑料樣本的符合程度值進行平均,得到代表性不透明塑料樣本與代表性視覺意象詞匯的符合程度主觀評價表。

4.5視覺意象與渲染參數的關聯模型構建

利用皮爾遜系數及t檢驗判斷渲染參數與符合程度間的線性關系,若t檢驗的值小于0.01則兩個變量呈顯著線性相關。經過計算發現本實例中渲染參數與意象詞匯符合程度間不具有顯性的線性相關性,故而采用神經網絡構建兩者間的關聯模型。

BP神經網絡是一種構建非線性關系的工具,是一種按誤差逆傳播算法訓練的多層前饋網絡,雖然有收斂速度慢、學習和記憶不穩定的缺陷,但仍然是目前應用最廣泛的神經網絡模型之一。BP神經網絡在基于感性工程學的設計中被廣泛采用,故采用BP神經網絡構建兩者間的關聯模型。

BP神經網絡模型拓撲結構包括輸入層、隱含層和輸出層,本實例中的輸入層為渲染參數的值,輸入層的神經元的個數3,分別為漫反射、粗糙度、折射率的值,輸出層為不透明塑料樣本與意象詞匯的符合程度,輸出層的神經元個數為5個,分別為符合程度的值。

通過試訓練以訓練成功次數、平均耗時為指標確定第一層激活函數,第一層激活函數為tan-sigmoid。本實例中需要輸出的值域為[1～5],故而需要對輸出值進行反歸一化,所以第二層的傳遞函數采用線性傳遞函數purelin函數。

由于輸入層的3個神經元的量綱不同,采用歸一化函數使輸入數據映射到[-1,1]。通過試訓練的方式以成功次數、平均訓練誤差、穩定性、訓練時間為指標確定trainlm為訓練函數,采用可變速率算法[18](VLBP)控制學習率,設定誤差目標為10-4,通過Matlab[19]自帶的NNTOOL命令打開神經網絡工具箱進行,將20個樣本用于訓練,5個樣本用于泛化能力驗證,發現在171步時達到訓練目標,利用模型對剩余5個樣本進行驗證,發現最大偏差率為14.438%,平均偏差為5.674%,該模型基本滿足精度需求。圖8為模型網絡訓練收斂曲線。

圖8　網絡訓練收斂曲線

圖9　座艙仿真三維模型

利用3ds MAX[20]軟件構建座艙三維模型并導入KeyShot[21],設置材質的渲染參數及背景環境,進行主觀趨勢驗證,結果表明構建的關聯模型能夠反映主觀趨勢的變化。用于趨勢驗證的座艙仿真三維模型如圖9所示。

在上述工作后就可以利用構建的模型進行工程應用,如設置渲染參數203,1.8,1.45,則可以得出視覺意象詞匯的評價值(2.0284,3.6756,2.2579,3.0174,2.4531)。

4.6討論

本實例在實施過程中的調查對象中部分為學生部分是飛行員,所以構建的模型主要用于方法驗證。若將該方法用于實際的產品設計,必須以實際用戶為研究對象進行研究,按照方法的流程開展工作,否則會出現偏差。

5　結語

本文針對目前座艙內飾的材料設計中忽略視覺意象的問題,結合感性工程學的設計流程,提出了基于視覺意象的座艙內塑料材質設計方法,構建材質質感與視覺意象詞匯間的關聯模型,為座艙內部裝飾設計提供參考。

以飛機座艙左右操縱臺的材質設計為例,獲得了不透明塑料的渲染參數與視覺意象詞匯符合程度間的關聯模型。數據顯示該模型的誤差滿足工程應用,且主觀趨勢一致,說明了方法的可行性和適用性。

使用該方法能夠很好地將用戶的感性需求融入到座艙內部裝飾的設計過程中,縮短設計周期,減少設計費用,降低產品失敗風險,提升產品競爭力。

[1] 張玉明.環境行為與人體工程學[M].北京:中國電力出版社,2011.

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

[2] 馬緒章.民用飛機內部設施[M].北京:航空工業出版社,1998.

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

[3] 程能林.工業設計手冊(精)[M].北京:化學工業出版社,2008.

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

[4] 潘先進.民用飛機內飾材料研究[J].裝備制造技術,2014(8):237-238.

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

[5] 孫凌云,孫守遷,許佳穎.產品材料質感意象模型的建立及其應用[J].浙江大學學報:工學版,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] 孫琳琳,孔繁森,劉威.汽車座椅視覺舒適度客戶感性認知過程[J].東北大學學報:自然科學版,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] 韓挺,孫守遷,潘云鶴.基于消費者認知的產品形態偏好預測系統[J].上海交通大學學報,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] 王黎靜,曹琪琰,莫興智,等.民機駕駛艙內飾設計感性評價研究[J].機械工程學報,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,王震亞,徐楠.感性工程學[M].北京:海洋出版社,2009.

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

[10] 趙秋芳,王震亞,范波濤.感性工學及其在日本的研究現狀[J].藝術與設計,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.試驗設計與數據處理[M].北京:化學工業出版社,2008.

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

[12] 張敏強.教育與心理統計學[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.軍用飛機內部顏色要求[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] 王蘇斌.SPSS統計分析[M].北京:機械工業出版社,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] 李俊濤,張鳳鳴,張文華.一種綜合改進的啟發式BP神經網絡研究[J]. 計算機應用與軟件,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] 聞新.MATLAB神經網絡仿真與應用[M].北京:科學出版社,2003.

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

[20] 曹凱,張偉,楊添.3ds Max 2014從入門到精通[M].北京:中國青年出版社,2014.

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

[21] 張安鵬,靳美艷.Creo Parametric曲面設計與KeyShot實時渲染[M].北京:北京航空航天大學出版社,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

國家自然科學基金委員會與中國民用航空局聯合基金資助項目(編號：U1333119,60979019,60572171)；國防基礎科研計劃重點項目(編號：JCKY2013605B002)；工信部民用飛機專項(編號：MJ-F-2011-33)資助。

談衛，男，碩士研究生，研究方向：航空器人機工效技術。孫有朝，男，教授，博士生導師，研究方向：人機工效技術、產品虛擬設計與驗證技術、飛機可靠性與安全性工程、航空器適航技術與管理。徐爭前，男，博士研究生，研究方向：航空器人機工效技術。郭云東，男，博士研究生，研究方向：航空器人機工效技術。

V37

10.3969/j.issn.1672-9722.2016.10.042