束曉永 李呈祥 孫文

關(guān)鍵詞：參數(shù)化設(shè)計 騎行頭盔 用戶模型 定制設(shè)計 設(shè)計創(chuàng)新

引言

共享單車的普及使得人們對騎行交通的需求得到了巨大的增長，然而巨大的交通隱患也隨之產(chǎn)生。在每年的騎車事故中，頭部致命傷害成為最主要的死亡原因，而佩戴頭盔被證明是預防兩輪機動車導致傷亡的最有效方法之一，并能大幅度減少醫(yī)療費用。一個合理的頭盔，對于交通安全問題的改善，具有非常重要的意義。與此同時，人工智能技術(shù)的發(fā)展，使得設(shè)計領(lǐng)域的參數(shù)化設(shè)計擁有了更大的發(fā)揮潛力，人工智能的數(shù)理模型與參數(shù)化設(shè)計的生成原理在產(chǎn)品設(shè)計方面發(fā)揮著巨大的共性與互補性，并且產(chǎn)生了許多探索性的設(shè)計案例。此外，隨著產(chǎn)品家族化、系列化、極簡設(shè)計、產(chǎn)品無名性設(shè)計等設(shè)計理念的深入，產(chǎn)品更多地趨向于大眾特征化類型的設(shè)計，這些新背景使得用戶對于產(chǎn)品個性化的需求大大增長。本文在當前智能制造時代背景下，以騎行安全問題為切入點，以騎行頭盔為設(shè)計對象，通過技術(shù)的整合應用，挖掘設(shè)計與技術(shù)之間的關(guān)系，探討參數(shù)化設(shè)計在騎行頭盔定制設(shè)計中的應用。

一、參數(shù)化設(shè)計的概念

參數(shù)一詞最早來自數(shù)學領(lǐng)域，指的是控制數(shù)據(jù)變化的各種元素。參數(shù)化設(shè)計的技術(shù)理論基礎(chǔ)來源于“非線性科學”，主要體現(xiàn)為動態(tài)性、自組織性、不規(guī)則性等。參數(shù)化設(shè)計將設(shè)計的各個環(huán)節(jié)和要素參變量化，對影響設(shè)計的各個要素賦予一定的內(nèi)在拓撲關(guān)系，一個參變量的變化將引起整個邏輯系統(tǒng)的變化，從而實現(xiàn)各種設(shè)計數(shù)據(jù)的全相關(guān)和參數(shù)驅(qū)動，自動產(chǎn)生各種不同的設(shè)計結(jié)果[1] 。

參數(shù)化設(shè)計是運用計算機的語言與理性邏輯，去取代一部分設(shè)計師本身感性創(chuàng)造的一種設(shè)計方式，最早出現(xiàn)在產(chǎn)品設(shè)計領(lǐng)域，但由于在產(chǎn)品領(lǐng)域受到制造技術(shù)、產(chǎn)品成本控制等多方面的限制因素，所以產(chǎn)品領(lǐng)域的參數(shù)化設(shè)計一直處于停滯的狀態(tài)。后來在建筑設(shè)計領(lǐng)域得到廣泛應用，由于理論研究的不足，參數(shù)化設(shè)計更多被應用在建筑表皮上，成為一種外形方案，這就導致參數(shù)化設(shè)計的潛力沒有得到充分挖掘。近年來參數(shù)化設(shè)計逐漸開始走向理性，參數(shù)化設(shè)計所能設(shè)計的內(nèi)容已經(jīng)遠遠不止于產(chǎn)品的外形與表皮，而更多的走向一種設(shè)計思維甚至設(shè)計思想的層面，使得參數(shù)化設(shè)計有了另一個稱呼——生成式設(shè)計，即在方案之中去尋找所有的限定因素，并且在限定因素之上生成產(chǎn)品方案，這是一種設(shè)計思想上的變革。這時的參數(shù)化設(shè)計能提供的產(chǎn)品設(shè)計方案擁有了更大的隨機性、更大的探索性，甚至能夠快速產(chǎn)生大量的創(chuàng)意方案。這對于產(chǎn)品設(shè)計而言，可以為新問題提供新的解決思路，為舊問題尋找最優(yōu)的解決方案。

二、參數(shù)化設(shè)計方法研究

（一）參數(shù)化設(shè)計發(fā)展現(xiàn)狀

目前，參數(shù)化設(shè)計在工業(yè)設(shè)計等領(lǐng)域迅速發(fā)展，并且不斷催生新的設(shè)計思路和設(shè)計方法。在產(chǎn)品設(shè)計領(lǐng)域涌現(xiàn)了大量的研究，王妍，李卓[2] 通過對參數(shù)化的數(shù)據(jù)邏輯思維進行研究，探究其在不同需求背景下的設(shè)計實踐;沙強，閆文麗[3] 將參數(shù)化設(shè)計方法應用在汽車輪轂形態(tài)設(shè)計中，得到了個性化需求下參數(shù)化輪轂設(shè)計的方法步驟;王珂，劉揚[4] 將參數(shù)化設(shè)計與3D打印相關(guān)聯(lián)，進行定制化服務設(shè)計的方法實踐，從用戶角度的理念進行了服務設(shè)計的創(chuàng)新;除此之外，研究參數(shù)化與個性化平臺定制、家居產(chǎn)品設(shè)計以及傳統(tǒng)編織工藝的再呈現(xiàn)等方面都取得了良好的研究成果[5-7] 。同時，參數(shù)化設(shè)計在國外的諸多領(lǐng)域都受到極大的推崇，涌現(xiàn)了大量的優(yōu)秀作品。扎哈設(shè)計事務所正因為率先掌握了參數(shù)化設(shè)計的技能，得以從眾多的設(shè)計事務所中脫穎而出。參數(shù)化設(shè)計的發(fā)展為產(chǎn)品設(shè)計提供了一個突破傳統(tǒng)束縛的新思路，隨著3D打印等新技術(shù)的快速發(fā)展，主要限制參數(shù)化設(shè)計發(fā)展的制造技術(shù)得到了有效的解決，產(chǎn)品領(lǐng)域也隨之出現(xiàn)了很多著名的案例，如Marco Hemmerling設(shè)計的“衍生椅”、寶馬的概念車VisionNext 100、耐克的3D打印跑鞋等。

（二）參數(shù)化設(shè)計方法研究

參數(shù)化設(shè)計的核心是其各元素間的關(guān)聯(lián)性和邏輯性，以內(nèi)在邏輯的方式將影響設(shè)計結(jié)果相關(guān)的參數(shù)相關(guān)聯(lián)，通過參數(shù)變量的改變，即可以得到大量形態(tài)不同的設(shè)計結(jié)果，從而輔助設(shè)計師進行方案的選擇及優(yōu)化，是一種“所見即所得”的設(shè)計方式。結(jié)合參數(shù)化設(shè)計方法，可以實現(xiàn)更高效的設(shè)計方法、更客觀的設(shè)計過程和多元化的設(shè)計結(jié)果[8-9] 。傳統(tǒng)設(shè)計流程是自上而下的設(shè)計方式，需要以設(shè)計師自身的經(jīng)驗為主導來進行反復大量的設(shè)計方案，從而造成頻繁的設(shè)計溝通、復雜形態(tài)應用修改困難從而造成時間與成本的浪費。運用參數(shù)化設(shè)計方法，可以實現(xiàn)對復雜形態(tài)的提取與應用、快速進行大量具有規(guī)律感和秩序感方案的生成，并可以不同系列的有效劃分。

在參數(shù)化設(shè)計建模軟件中，Grasshopper是一款基于Rhino的參數(shù)化建模軟件，具有極高的設(shè)計靈活度和強大的參數(shù)化建模功能，在在建筑設(shè)計、產(chǎn)品設(shè)計等領(lǐng)域得到廣泛應用。Grasshopper自身具有編程屬性，代碼被集成到一個個單獨的運算器中，支持設(shè)計者使用生成算法探索形態(tài)，使得設(shè)計人員在不具備編程或腳本知識的情況下也可以進行設(shè)計。本次的騎行頭盔定制設(shè)計將使用Grasshopper來輔助本次的設(shè)計實踐，將參數(shù)化應用到騎行頭盔設(shè)計中，可以優(yōu)化結(jié)構(gòu)、最大化提升頭盔本身的結(jié)構(gòu)安全性，同時可以催生新的設(shè)計樣思路和樣式，從而滿足不同使用者需求的定制化設(shè)計。

三、參數(shù)化設(shè)計與頭盔內(nèi)膽的設(shè)計邏輯

參數(shù)化設(shè)計能夠依據(jù)基礎(chǔ)數(shù)位模型、限定條件、設(shè)計目標進行造型的生成，對于頭盔設(shè)計而言，除了滿足基本的需求外，最重要的是產(chǎn)品的形式，因此很適合作為參數(shù)化設(shè)計的案例。人體頭部的三維模型中可以提取出重要的點、線、面等基本元素，利用參數(shù)化方法可以對頭部提取的特殊點、特殊線、特殊面進行曲面原型的調(diào)節(jié)，將原型面和干擾曲線進行結(jié)合，從而通過基本參數(shù)的變化來進行不同形式的方案生成。

（一）頭盔內(nèi)膽的特性研究

EN1078標準對保護性頭盔、頭盔型號、泡棉類型、緊固系統(tǒng)、織帶、頭部和頭型基本平面、相關(guān)物料等名詞進行了詳細的介紹，結(jié)構(gòu)頭盔應能夠吸收和緩沖沖擊能量，在事故中應具有耐抗性并能經(jīng)得起測試處理，使得戴在頭上的位置不變。頭盔應該合理設(shè)計及成型，其部件如帽沿、鉚釘、通風孔、邊沿、緊固器等在使用時不能傷到使用者。一個良好的頭盔應滿足重量輕、通風性、易于戴上及取下、符合大眾性、不會嚴重影響交通提示聲等方面的要求。針對頭盔內(nèi)膽的設(shè)計，需從內(nèi)膽的舒適性、安全性和散熱性三個特性入手，使其符合頭盔設(shè)計規(guī)范。因此在接下來的設(shè)計實踐中，對于內(nèi)膽的設(shè)計將圍繞這幾個方面進行調(diào)整。

（二）內(nèi)膽舒適性與TS面的特殊點調(diào)整

1.人體頭部三維模型錄入與處理：對于內(nèi)膽舒適性方面的設(shè)計，首先需要獲取用戶的頭部三維模型，并且對掃描的三維模型結(jié)果進行分析，識別頭部的骨骼關(guān)系，依據(jù)骨骼關(guān)系劃分三類區(qū)域，分別是核心受力區(qū)（主要包含頭蓋骨的中心部分）、一般受力區(qū)（頭蓋骨邊緣區(qū)域以及其他相關(guān)骨骼覆蓋區(qū)）和非受力區(qū)（頭部的脆弱部分，主要包含太陽穴等非骨骼覆蓋區(qū)域），見圖1。根據(jù)人機工程學對于舒適性的定義，在頭盔設(shè)計時需要將頭盔的關(guān)鍵結(jié)構(gòu)點集中在主要的堅硬的骨骼上（核心受力區(qū)），并避開非受力區(qū)。

2.NURBS面、Mesh面、TS面特征及轉(zhuǎn)換：用戶的三維掃描模型并不能直接進行曲面調(diào)整，需要對掃描獲得的曲面進行轉(zhuǎn)化。因而需要將點云數(shù)據(jù)面先轉(zhuǎn)化為Mesh面、再轉(zhuǎn)化為TS面。這三類曲面擁有各自不同的功能關(guān)系，其中點云數(shù)據(jù)面不可編輯，組成面的是數(shù)以萬計的點數(shù)據(jù)，不能用于曲面的調(diào)整;Mesh面是在保留點云面基本特征的情況之下進行曲面的簡化，此時的面是矢量曲面，但調(diào)整難度較大，只能對網(wǎng)格點進行點的調(diào)整，調(diào)整的精確度與便捷性都存在難度;TS面是對曲面調(diào)整的關(guān)鍵，相比較于Mesh網(wǎng)格面，TS面可以利用TSplines直接對面上的任何一個點、線、甚至面塊進行徑向和法向的調(diào)整，且操作難度低，精確性較高，并可以對曲面上的面塊進行定位編碼，從而使得結(jié)合Grasshopper工具對指定區(qū)域進行調(diào)整變?yōu)榭赡堋?/p>

（三）內(nèi)膽散熱性與參數(shù)干擾孔洞分布

1.人體運動狀態(tài)下的頭部散熱模型：用戶運動狀態(tài)下的頭部散熱模型，具有一定的生理特征，其散熱的區(qū)域主要集中在額頭、太陽穴周圍以及后腦勺的下半部分。這些特征是每一個用戶都具有的特征，屬于不同散熱模型之間的共性，然而用戶頭部三維模型之間的差異，決定了用戶頭部散熱模型之間的差異性。此外，相對于散熱區(qū)域之間的共性，非散熱區(qū)域之間一樣存在共性，二者之間的散熱程度是過渡漸變的關(guān)系。

散熱模型之間的這種生理特征需要進行數(shù)學模型的表達，才能夠轉(zhuǎn)化成能夠被計算機所理解的數(shù)維模型，因此可以從溫度模型之中提取恒溫的曲線，并利用恒溫曲線來干擾調(diào)節(jié)孔洞的分布。散熱性的定制首先要收集用戶在騎行狀態(tài)下的頭部溫度散熱模型，在散熱模型上提取出恒溫曲線，并用曲線干擾調(diào)整內(nèi)膽之上孔洞的分布。將孔洞集中放置在頭部的主要散熱部分，而其他的部位空洞則相對稀疏以保證一定結(jié)構(gòu)的合理性。

2.參數(shù)干擾孔洞分布：曲線對圖形分布及尺寸的干擾調(diào)整主要基于圖形中心點與干擾曲線之間的距離而定，而且這個距離相關(guān)的原理也剛好適用于對頭盔孔洞分布以及尺寸的條件上，此時的曲線即是頭部的恒溫曲線，圖形則對應頭盔內(nèi)膽的孔洞，見圖2。因此，借助參數(shù)化曲線干擾的原理來進行頭盔內(nèi)膽的孔洞的調(diào)節(jié)，可以使得頭盔的孔洞特征適應用戶頭部的散熱模型。

（四）結(jié)構(gòu)性與有限元分析

隨機產(chǎn)生的頭盔內(nèi)膽造型并不一定能夠滿足生產(chǎn)要求和國家安全標準，所以第一步就是對生成結(jié)果進行測試，靜應力分析是對頭盔結(jié)構(gòu)的穩(wěn)定性進行測試，壓力測試是對頭盔受到?jīng)_擊力時頭盔內(nèi)膽造型能否有效起到緩沖的作用，有限元分析是對頭盔內(nèi)膽的結(jié)構(gòu)進行最終的評定[10] 。隨機變量干擾下的內(nèi)膽模型批量生成為了避免模型的變化都是在同一個維度上的變化，所以在模型的批量設(shè)計過程之中，需要構(gòu)建不同維度的隨機變量，這些隨機變量包含孔洞的位置、大小、形狀和結(jié)構(gòu)等各方面，從而產(chǎn)生更有差異性的結(jié)果，并且能夠提供更多的可能性。

利用孔洞干擾對通過隨機變量調(diào)節(jié)產(chǎn)生的大量模型進行有限元分析，見圖3。對于內(nèi)膽模型的選擇其實是一個求最優(yōu)解的過程，由于隨機變量具有多個維度，所以產(chǎn)生的結(jié)果也有各式各樣的差異性。首先對產(chǎn)生的批量模型進行進行測試，剔除不符合要求的模型，從而形成第一輪的篩選;之后在模型上進行不同角度的力學測試來模擬頭盔受到?jīng)_擊之后的場景，進行第二輪模型的選擇;接下來對第二輪選擇的內(nèi)膽模型的結(jié)構(gòu)進行有限元分析，選擇數(shù)值最符合工程要求的模型。整個過程是依次篩選的過程，幫助在諸多隨機結(jié)果之中選擇出最符合安全標準、最適合用戶佩戴、最符合用戶喜好的“最優(yōu)解”。

四、圖形定位與頭盔造型、CMF的設(shè)計邏輯

（一）圖形坐標定位語言與用戶喜好量化

1.圖形語言對用戶的親和性：語言和文字是人類文明非常重要的表達方式，能夠有效地將用戶的感受以最具效率的方式表達出來，但是這個表達往往比較含糊而不夠精準，用文字表達感受往往受到表達技巧的影響，這也是語言文字自身的局限性，因此近年來的社交媒體大多會以圖片、視頻等新形式表達感受。通過語言表達往往與真實的意圖之間存在一定的差異和誤差，用一句話或者幾個詞來形容自己對造型的喜好對用戶來說并不容易，往往真實意圖與表達之間的差異非常大。相比較而言，真正適合用戶去選擇作出判斷的工具，其實是圖片或視頻的形式，鑒于圖像學習等技術(shù)的發(fā)展，在頭盔定制系統(tǒng)之中選擇圖片作為最適合與用戶交流的工具。用戶可以通過分門別類的意象圖來傳達用戶的心理感受，從而表達自己對造型的喜好，這樣的結(jié)果會比語言文字的表達和轉(zhuǎn)述更精準和真實。

2.坐標定位設(shè)計方法：基于以上的論述用圖片來表達內(nèi)心感受是系統(tǒng)定制非常重要的一個環(huán)節(jié)，所以系統(tǒng)需要借助設(shè)計學對于造型語義的一個研究內(nèi)容——坐標定位法。通過坐標定位可以把造型的語義進行量化，從而從不同的維度去定位一個產(chǎn)品的語義。其具體執(zhí)行步驟是先對一類產(chǎn)品的意向進行調(diào)研整理歸納，找出這類產(chǎn)品的共性，并歸納成為關(guān)鍵詞，之后對關(guān)鍵詞進行量化，從正反面兩個方向劃分等級，等級越高越是精準，從而實現(xiàn)對感性造型的量化。

（二）量化喜好模型與造型模型匹配

1.頭盔的語義關(guān)鍵詞：經(jīng)過大量的調(diào)研選擇出相應的幾組關(guān)鍵詞，選擇這些關(guān)鍵詞最重要的就是精準，并能夠準確地概括出市場上存在的不同形式頭盔之間的區(qū)別。這一環(huán)節(jié)是頭盔造型設(shè)計的重中之重，最重要的思路就是設(shè)計流程中常用的“發(fā)散—收斂”思維，先找出不同種類的形式，收斂概括共性，再發(fā)散去尋找收斂結(jié)果的邏輯漏洞，收斂修改關(guān)鍵詞，如此往復。最終我們得出的關(guān)鍵詞是下面的四組：層次—錯落、圓潤—銳利、平滑—肌理、極簡—繁復。

2.關(guān)鍵詞階梯尺度：在描述完語義關(guān)鍵詞之后，需要對每一組關(guān)鍵詞進行七個等級的量化標準并為每一個等級配上一個合適的、具有代表性的圖片，用來幫助用戶作出自己真實的喜好判斷，從而對產(chǎn)品造型風格風格做出精準的定位。選擇圖片的過程之中，最重要的就是要依據(jù)控制變量的原理。選擇時不能夠直接用頭盔圖片來進行，從而來減少品牌設(shè)計水平等因素對結(jié)果的影響，并且選擇的物品盡量不具有品牌人文等特性，來堅守圖片所包含的感性因素，同時圖片需要進行黑白處理來減少色彩等因素對結(jié)果的影響。通過圖形定位的方法量化用戶喜好模型，建立產(chǎn)品語義的關(guān)鍵詞階梯尺度，并將量化后的喜好模型與前面參數(shù)化方法得到的眾多模型進行匹配。在此基礎(chǔ)上，系統(tǒng)即可從用戶那里獲取一組數(shù)列，這個數(shù)列就是我們從參數(shù)化設(shè)計造型庫里選擇造型的依據(jù)，見圖4。當然基于用戶對頭盔造型的喜愛并不局限于參數(shù)化的視覺語言形式之上，因而需要保留傳統(tǒng)的造型形式，參數(shù)化形式是用戶的待選項之一，系統(tǒng)的落地還需要建立外殼的造型庫，使得造型庫能夠與用戶的數(shù)列進行一一匹配。

（三）圖像映射頭盔CMF方案

1. 基于CMF的色彩選擇：經(jīng)過以上的步驟可以得到的是一個單純的，沒有任何細節(jié)和CMF，但包含內(nèi)膽和外殼造型的頭盔，下一步就是對頭盔的CMF進行定制。此時系統(tǒng)依舊用意向圖的方式來進行顏色的選擇，相比較而言，雖然用戶可以去選擇自己喜歡的顏色，但是直接去選擇的顏色會更多地受到用戶自己認知層面局限的影響。舉例而言用戶可能會選擇紅色，但在最終的產(chǎn)品方案之中，很有可能藍色的產(chǎn)品效果更符合他們的喜好，使得他們轉(zhuǎn)而喜歡藍色的產(chǎn)品?；诖艘琅f采用圖片的方式，用戶來選擇自己喜歡的圖片，我們將圖片的色彩進行提取調(diào)整，對用戶喜愛的明度，飽和度等因素進行歸納，得出用戶喜愛的色系，并且將圖片的色彩方案調(diào)整后應用在頭盔的色彩上。例如系統(tǒng)通過圖片的分析可以得出用戶喜歡的色相是以紅色為主的暖色系，明度飽和度上是莫蘭迪色系，飽和度范圍是30-70，明度范圍是36-50，之后就能夠更真實更精準地對用戶的色彩做出判斷。

2.圖片通道轉(zhuǎn)換與白模HDR映射導出：將圖片轉(zhuǎn)化為頭盔的色彩方案的過程中需要用到的工具是圖片的通道轉(zhuǎn)換，這個轉(zhuǎn)換方式的原理是將圖片轉(zhuǎn)化為發(fā)光體，通過對通道的明度進行調(diào)節(jié)來映射到產(chǎn)品之上，光源對產(chǎn)品的映射并不能夠直接匹配上用戶的反饋，所以需要對光的大小尺寸位置等進行調(diào)節(jié)，即可產(chǎn)生色相、飽和度、明度等方面都滿足用戶喜好的一組模型，用戶只需要在該組模型之中做出選擇即可，見圖5。圖像映射頭盔CMF方案將用戶喜好因素與參數(shù)化思想進行連接，分析探究用戶色彩選擇、通道轉(zhuǎn)換對白模的映射導出，運用參數(shù)化易操作、高效率以及其創(chuàng)新性的特點來進行一系列的生成設(shè)計，不僅是參數(shù)化手段的有效應用，更是參數(shù)化思想的重要體現(xiàn)。

五、定制效果展示

結(jié)合大量理論邏輯和科學驗證，量化用戶喜好模型，可以構(gòu)建多種差異化的造型案例，以層次—錯落、圓潤—銳利、平滑—肌理、極簡—繁復四組關(guān)鍵詞進行喜好評測，通過四組喜好值的選擇，可以得到一組最符合用戶喜好的外形方案，同時結(jié)合圖像映射CMF效果，根據(jù)用戶的六大方面的分析判斷，最終得到用戶最喜愛的定制方案。如圖6，根據(jù)不同用戶的需求特點，最終輸出“X-Class”“簡”“Concept-Class”三個定制化設(shè)計系列，從而實現(xiàn)對頭盔定制化設(shè)計。

結(jié)語

參數(shù)化設(shè)計以其強隨機性、高探索性等優(yōu)勢，可以批量產(chǎn)生大量的創(chuàng)意方案，為產(chǎn)品設(shè)計提供了一個新的解決思路。本文對頭盔設(shè)計的幾個關(guān)鍵步驟進行了計算機輔助建模的新嘗試，將騎行頭盔的結(jié)構(gòu)安全性、氣動性、舒適性、外觀造型、CMF六個主要方面與用戶之間構(gòu)筑關(guān)聯(lián)，通過系列的探究過程從而實現(xiàn)對騎行頭盔的定制化設(shè)計。將參數(shù)化設(shè)計應用于騎行頭盔定制設(shè)計中，既充分考慮到頭盔安全性，又滿足了不同用戶對產(chǎn)品特異性的需求，同時也為參數(shù)化在產(chǎn)品定制化設(shè)計的應用和發(fā)展提供了一定的參考。

1911501705378