基于感性工學與BP 神經網絡的電動叉車造型設計研究

五邑大學藝術設計學院 楊晶晶 王漢友（通信作者） 梁育圣

隨著社會需求的多樣化發展，以功能為導向和憑借主觀經驗設計產品已不能滿足市場需求，形式與功能的相輔相成共同帶動設計領域的進步是十分必要的[1]。現有工程裝備創新設計主要由工程師主導，設計師缺乏話語權，導致工程裝備造型設計不僅不如人意，還嚴重影響了用戶的使用體驗和產品的品牌形象，制約了我國工程裝備產業的進一步轉型升級。因此，文章以感性工學理論為依據，以電動叉車為例，構建電動叉車造型要素與感性意象的BP 神經網絡模型，尋找工程與設計的最大契合點，挖掘造型特征與市場感性認知之間的關聯性。

1 感性工學概述

感性工學是將消費者的感性認知轉化為工學尺度的有效方法，它的思想核心是以消費者的感性需求為導向，利用數理統計方法將消費者對產品的主觀感性意象進行定性或定量的表達，從而指導設計師進行新產品的設計開發[2]。感性工學方法已應用于多領域，有學者提出基于用戶偏好的造型設計，用以解決汽車造型與用戶感性認知偏好之間匹配度低的問題[3]。運用感性意象理論指導設計，獲取用戶的感性意象因子，并以提升產品的情感關懷[4]。同時，還可以利用數理原理識別出產品形象有影響力的設計元素，例如采用數量化I 類方法通過定性自變量來預測定量因變量，充分地理解用戶的需求[5]。許多學者已經意識到用戶感覺意象的重要性，由于感性認知是模糊不易測量的，大多數研究停留在定性方法的運用上，顯然對造型感性意象的研究不夠深入。因此，文章采用具有非線性屬性的BP 神經網絡進行研究，使用戶對產品造型的感性意象逐漸可視化和定量化。

2 BP 神經網絡概述

BP 神經網絡是人類通過研究生物神經網絡的運作原理、組成要素、影響因素等，從而考究出人工神經網絡的一種，通過模仿動物神經網絡的工作原理，構建人工神經元攝取數據內部規律。在設計領域通常以統計學為基礎，采用BP 神經網絡解決用戶感性需求與產品造型的復雜非線性問題[6]。有學者以手機為設計對象建立了設計變量與用戶偏好之間的BP 神經網絡模型，用于指導設計[7]。基于BP 神經網絡計算造型設計要素與感覺意象之間的映射關系，可對汽車造型設計進行準確地評價[8]。進一步，可結合實驗儀器通過眼動追蹤提取網頁主頁外觀的設計要素，使用BP 神經網絡定量描述設計要素和感性意象之間的關聯[9]。綜合上述研究，在工程產品上，缺乏這樣的定量研究。市場更偏重于功能性，忽略造型的美觀性。因此，文章運用BP 神經網絡在電動叉車造型設計上，目的是把用戶的模糊情感與需求采用數理工具將其轉化為定量的數據，并與設計要素構成可視化的映射網絡用于指導設計，從而精確地把握市場的需求并縮短設計周期。

3 基于感性工學與BP 神經網絡的電動叉車造型設計流程

3.1 篩選代表樣本

通過叉車官網、雜志、期刊文獻、大賽作品等渠道選取樣本124 個，隨后組建有設計背景的焦點小組剔除重復、圖片模糊和無設計感的樣本。下一階段以形態分析法為指導理論，將電動叉車造型結構進行分解可得17 個造型要素，如表1 所示。結合焦點小組篩選后的樣本進行問卷調查，并將數據導入SPSS 軟件進行聚類分析，聚類后的樣本有28 類，最后從中選取代表性樣本28 個。

表1 電動叉車造型要素

3.2 獲取感性意象詞匯

文章電動叉車感性詞匯篩選分為三個階段，第一階段：通過用戶訪談、相關文獻、叉車企業官網、叉車雜志書籍等收集相關叉車感性詞匯110 個。第二階段：組織焦點小組預先剔除相似、功能性強、重復的詞匯，再制作問卷指定工程與設計人群填寫，選取投票率60%以上的詞匯有7 組。第三階段：運用語義差異法和因子分析篩選代表性詞匯。第二階段篩選出來的7 組詞匯搭配7 個叉車樣本制作評價量表，反饋的數據使用SPSS25 軟件進行因子分析，經過因子旋轉得到的主成分有兩個，成分1 選取＞0.850，成分2 選取＞0.900的感性詞匯包括力量的、簡約的、靈活的，如表2 所示。

表2 旋轉后的成分矩陣

3.3 構建網絡

運用Matlab2018 軟件構建BP 神經網絡，通過對數據的分析，文章的BP 神經網絡確定由輸入層、一層隱含層、輸出層三層共同組成。網絡的成功預測在于訓練時節點數的選擇，隱節點數的作用是通過挖掘訓練樣本中的內在規律進而轉化為權值，每訓練一次權值便會調整一次，在誤差結果沒有達到預期時，通過權值進行反復調節，直到達到目標誤差為止。

文章對電動叉車的17 個造型要素進行四個意象詞匯評價，因此輸入層節點數為17，輸出層節點數為4。關于隱含層節點數的選取根據下列（1）公式：

式中：n—輸入節點數；

l—輸出節點數；

a—1～10 的常數。

可根據以上公式選取神經節點或根據文獻[10]的研究，發現隱含層的節點數取輸入層節點數與輸出層節點數的一半時，誤差MSE 值也較小。因此該網絡結合公式（1）和文獻研究選定隱層節點數為13。文章BP 神經網絡示意圖，如圖1 所示。

圖1 電動叉車BP 神經網絡模型

3.4 訓練網絡

文章樣本一共28 個，前23 個作為訓練樣本，將表2 前23個樣本數據輸入網絡，設定學習次數為5000 次，目標誤差值為1e—4，隱層和輸出層激活函數分別為logsig 和purelin。采用梯度下降法，訓練結果顯示網絡在第4892 次時達到訓練目標，實際訓練的均方誤差達到10—4，訓練Training=0.99282 表示網絡擬合程度較高，如圖2、3 所示。

圖2 MSE 誤差結果圖

圖3 訓練模型擬合結果圖

3.5 測試網絡

網絡的測試作用在于檢測網絡模型的泛化能力，神經網絡的泛化能力是衡量網絡優劣的重要指標，構建網絡到訓練網絡的目的是挖掘數據的內在規律，獲取一定的有效信息。最后一環節檢測網絡能不能用的關鍵在于網絡的測試，網絡測試可以發現問題。用剩余的5 個樣本作為測試樣本。采用上述已經構建好的BP 網絡，運用梯度下降法原理測試網絡。結果顯示在134 次時，網絡誤差較小達到預期（＜10—4），測試結果的期望值與實際值的相對誤差在10—5 至10—4 之間，表示網絡精度達到要求，如表3所示。

表3 測試網絡結果

3.6 電動叉車造型要素組合方案的確定

文章電動叉車造型要素有17 個，則組合方案一共有4×4×3×2×2×2=384 種。把所有方案按照0,1 編碼導入已構建好的BP 網絡模型中計算其感性評價值，可預測出最優造型組合方案。由預測結果可得“力量的”最佳評價值是2.3530，對應的電動叉車造型編碼是01001001000 010110；“簡約的”最佳評價值是1.0300，對應的電動叉車造型編碼是00011000110 000110；“靈活的”最佳評價值是1.1891，對應的電動叉車造型編碼是01000011000 011010；“堅實的”最佳評價值是1.2281，對應的電動叉車造型編碼是00101001000010101。經總結，可得各造型編碼對應的感性詞匯最優組合，如表4 所示。

表4 各感性詞匯對應最優組合

4 電動叉車造型設計實踐

4.1 草圖構思

我國叉車行業在技術上已經逐漸提高，在滿足基本功能的前提下，以消費者感性需求為導向，把握消費者實際需求，可提升企業的競爭力，同時體現企業的前瞻性與領先性。所有產品設計都基于市場導向的產業化過程，草圖設計是設計理念的一種表達方式，記錄初步設計思想，便于設計師對產品比例、線條、細節的優化修改。通過上述感性工學與BP 神經網絡的電動叉車造型研究結論，獲得一定的設計策略和規律，并以研究結論為設計指導依據，可知用戶對電動叉車造型的感性需求傾向于力量的、簡約的、靈活的、堅實的這四種意象。同時，將造型要素組合方案融入電動叉車造型設計中，并印證研究成果的有效性。根據設計指導明晰設計方向，并繪制出電動叉車草圖方案，如圖4 所示。由直角梯形式護頂架體現駕駛室輪廓（X1=直角梯形），整車視覺比例上下等分（X2=X=Y），同時前后通過各線條延續性呈現整體可觀（X6=與車身具有整體性）。鑒于實際生產條件的不同，車身側面可選擇工藝、材質或色彩分層等多種方式實現整車的層次感和細節感（X4=具有鑄造細節）。

圖4 草圖方案

4.2 設計方案

選擇三維建模的方式將草圖方案具體化，同時優化設計方案，最終電動叉車設計方案效果圖，如圖5 所示。

護頂架設計：護頂架屬于防護裝置，能夠承受貨物的意外墜落沖擊，具有抵抗變形的能力，主要作用是保護駕駛員的安全。護頂架是駕駛室輪廓重要組成部分，需體現力量感和安全性。相對整體圓弧式護頂架，按照意象詞匯對應的造型規則，直角梯形不僅能體現力量感、靈活性，其耐變形能力也更強，但由于該電動叉車噸位較小，車身整體長度較短，為確保造型整體感，便增加，護頂架的跨度，使之與車身一體，故將護頂架輪廓設計成梯形形式，并在拐角處設計小角度曲線過度。將護頂架兩條后腿與車身后端連接，并有自然向上收斂的動勢，呈現出整車空間的包圍感與堅固感，以便給駕駛者更強的安全感。

車身比例設計：比例、尺度、均衡等均屬于形式美法則的內容，和諧的比例能體現出產品極高的藝術表現力，承載著產品美感。從側面視角看，叉車在縱向視覺上的比例是護頂架與下車身占比為上下等距的（X=Y 型），護頂架呈現向上收縮的動勢，避免頭重腳輕，使整車不僅呈現出穩定的力量感，還具有一定的靈活性。

色彩選擇：為了避免雜亂色彩的視覺污染，大部分用戶希望僅用兩種色彩裝飾車身。配重部分的深灰色區域與側面車身下端的深灰色相互呼應，中間層通過紅色進行連接，從而體現出電動叉車造型的整體性。

車身側面設計：通過調研和BP 神經網絡的數據分析，市場對車身側面的造型更青睞于鑄造的細節特征，同時考慮到實際生產條件，車身保留適度向下傾斜，富有力量感的簡潔線條，同時精心設計踏板、護頂架與車身連接等多處細節，強調整體簡潔設計語言的同時，使車身側面富于變化，綜合材質分層、噴漆、貼圖技術等，達到控制成本并呈現出鑄造效果（實際可沖壓成型），從而滿足用戶的感性需求。

叉車支點的選擇：盡管3 支點叉車具有視覺靈活性，但是缺乏穩定感，遵循研究規律整車選擇4 支點底座展現實際的穩定和堅實感。

配重部分的設計：為了打造企業在社會公眾心中的優秀IP 形象，同時確保力量、簡潔、靈活的造型意向，兼顧開啟蓄電池箱蓋板的便捷性，將配重設計為“T”形。為避免“T”形過于單調，設計了倒梯形淺凹槽與之對應，配重“T”形特征與倒梯形凹槽形成部分交疊穿插，充分展現出造型的選擇多樣性和層次感，避免造型的呆板生硬感。

最后階段，隨機從樣本庫抽取3 個樣本叉車與該電動叉車方案為試驗對象，制作問卷向工程裝備設計人員、叉車駕駛員和具有工業設計背景的學生及教師進行用戶感性意象調查，并通過文章BP 神經網絡進行計算，最終圖5 的電動叉車設計方案獲得較高評價。

圖5 電動叉車效果圖

5 結語

文章以感性工學為依據，從選取樣本到研究結論的得出均充分運用數理統計工具，盡可能減少主觀因素對電動叉車造型設計的影響。構建電動叉車造型要素與用戶感性需求的BP 神經網絡，實現了用戶對電動叉車造型模糊需求的定量化，證實了BP 神經網絡的良好預測能力，從而為設計師提供了更理性的設計依據，避免企業盲目設計，明晰市場的感性需求。