基于BP神經(jīng)網(wǎng)絡(luò)的無(wú)人機(jī)外觀設(shè)計(jì)預(yù)測(cè)模型研究

李月恩 金瑞

摘要：在工業(yè)產(chǎn)品外觀設(shè)計(jì)階段，產(chǎn)品設(shè)計(jì)師如何根據(jù)用戶的感性，精準(zhǔn)把握設(shè)計(jì)產(chǎn)品的外觀形態(tài)呢？即使是有多年工作經(jīng)驗(yàn)的產(chǎn)品設(shè)計(jì)師，也難以把握產(chǎn)品外觀形態(tài)與用戶直觀感性體驗(yàn)的有效契合關(guān)系。文章針對(duì)目前存在的產(chǎn)品外觀設(shè)計(jì)特點(diǎn)指向性弱的問題，提出一種基于BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)方法。通過調(diào)研獲得產(chǎn)品外觀感性描述詞，并將其作為指標(biāo)進(jìn)行打分評(píng)價(jià)，作為輸出層參數(shù)，即將產(chǎn)品拆解成外觀元素并編碼作為輸入層參數(shù)，再使用BP神經(jīng)網(wǎng)絡(luò)模型建立起外觀設(shè)計(jì)元素與用戶感性意向的關(guān)系模型。利用數(shù)學(xué)軟件進(jìn)行訓(xùn)練和測(cè)試，最終得到基于BP神經(jīng)網(wǎng)絡(luò)的無(wú)人機(jī)外觀設(shè)計(jì)預(yù)測(cè)模型，從而指導(dǎo)設(shè)計(jì)師有針對(duì)性地評(píng)價(jià)并挑選設(shè)計(jì)方案，高效率地提供初步的設(shè)計(jì)方案。實(shí)驗(yàn)結(jié)果證明，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)的搭建模型能夠快速建立起針對(duì)消費(fèi)者感性需求的工業(yè)產(chǎn)品外觀設(shè)計(jì)系統(tǒng)，對(duì)設(shè)計(jì)方案的感性指標(biāo)進(jìn)行定量分析，從而及時(shí)滿足消費(fèi)者精神層面情感化的需求，應(yīng)用于產(chǎn)品初步設(shè)計(jì)、方案挑選等設(shè)計(jì)流程中，避免產(chǎn)品外觀設(shè)計(jì)師個(gè)人主觀因素的干擾，使設(shè)計(jì)師的設(shè)計(jì)方向與用戶感性需求高度統(tǒng)一。這有助于促進(jìn)產(chǎn)品設(shè)計(jì)多樣化和個(gè)性化發(fā)展，提高產(chǎn)品外觀設(shè)計(jì)方案的落地成功率。

關(guān)鍵詞：產(chǎn)品設(shè)計(jì)；工業(yè)設(shè)計(jì)；無(wú)人機(jī)；BP神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：V279 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004-9436（2023）04-0-04

隨著我國(guó)經(jīng)濟(jì)水平的日益提升，人們對(duì)商品的簡(jiǎn)單功能需求漸漸轉(zhuǎn)變?yōu)榍楦行枨螅駥用娴臐M足感逐漸成為人們購(gòu)買產(chǎn)品的重要因素，人們的價(jià)值觀、個(gè)性、愛好、身份地位能夠通過購(gòu)買的商品的外形進(jìn)一步體現(xiàn)。設(shè)計(jì)人員如果能夠精準(zhǔn)地抓住消費(fèi)者的情感化需求，充分滿足消費(fèi)者的個(gè)性化需求，就能夠開發(fā)出市場(chǎng)反響良好的產(chǎn)品，從而提升產(chǎn)品的競(jìng)爭(zhēng)力和企業(yè)品牌的影響力。

人工神經(jīng)網(wǎng)絡(luò)能夠模仿生物的神經(jīng)系統(tǒng)學(xué)習(xí)以及認(rèn)知行為的信息加工方法，由于特殊的信息處理方式，因此其通常應(yīng)用于輸入信息與輸出目標(biāo)值間獨(dú)特的非線性關(guān)系的建立，并且擁有強(qiáng)大的自學(xué)能力、聯(lián)想儲(chǔ)存能力、高效率搜尋優(yōu)化能力，常常被應(yīng)用于圖像識(shí)別、智能機(jī)器人故障定位、決策優(yōu)化以及醫(yī)學(xué)、生理學(xué)等領(lǐng)域。除此之外，還可以應(yīng)用到工業(yè)產(chǎn)品外觀設(shè)計(jì)領(lǐng)域。在工業(yè)產(chǎn)品外觀設(shè)計(jì)過程中，用戶對(duì)產(chǎn)品外觀的感性認(rèn)知與產(chǎn)品本身的外觀設(shè)計(jì)屬于黑箱模型，即內(nèi)部的關(guān)系不能夠被具體感知與完整表述。究其本源是人類對(duì)自身“感性”的研究無(wú)法通過所掌握的“理性”方法完全認(rèn)知與簡(jiǎn)單概述，而解決這種問題正是人工神經(jīng)所擅長(zhǎng)的。

本研究應(yīng)用BP神經(jīng)網(wǎng)絡(luò)搭建針對(duì)消費(fèi)者感性需求的工業(yè)產(chǎn)品外觀設(shè)計(jì)系統(tǒng)，從而及時(shí)滿足消費(fèi)者精神層面情感化的需求，應(yīng)用于產(chǎn)品初步設(shè)計(jì)、方案挑選等方面，促進(jìn)產(chǎn)品設(shè)計(jì)多樣化和個(gè)性化發(fā)展，提高產(chǎn)品方案落地的成功率。

1 基于BP神經(jīng)網(wǎng)絡(luò)的無(wú)人機(jī)外觀設(shè)計(jì)過程

收集市場(chǎng)上現(xiàn)存的大量具有代表性的產(chǎn)品外觀設(shè)計(jì)案例，通過形態(tài)拆解，建立設(shè)計(jì)外觀元素庫(kù)，根據(jù)代表案例和感性詞對(duì)消費(fèi)者評(píng)價(jià)進(jìn)行調(diào)研，并將外觀元素編碼處理后轉(zhuǎn)化為輸入層數(shù)據(jù)，對(duì)感性調(diào)研評(píng)價(jià)結(jié)果數(shù)據(jù)進(jìn)行歸一化處理，將其作為輸出層數(shù)據(jù)，輸入此BP神經(jīng)網(wǎng)絡(luò)，進(jìn)行人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練［1］。如此，即可對(duì)無(wú)人機(jī)外觀設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試。選擇測(cè)試案例對(duì)消費(fèi)者進(jìn)行感性評(píng)價(jià)，將神經(jīng)網(wǎng)絡(luò)所得輸出數(shù)據(jù)與受測(cè)感性評(píng)價(jià)的結(jié)果，通過MSE函數(shù)處理，若MSE值小于0.01，可以證明此無(wú)人機(jī)外觀設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)模型具有可靠性。無(wú)人機(jī)外觀設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)研究流程如圖1所示。

2 無(wú)人機(jī)造型意象詞匯庫(kù)構(gòu)建以及感性評(píng)價(jià)

2.1 產(chǎn)品設(shè)計(jì)感性語(yǔ)義庫(kù)的建立

首先在主流購(gòu)物平臺(tái)淘寶、京東、拼多多上搜索產(chǎn)品購(gòu)買后用戶評(píng)價(jià)，篩選出對(duì)外觀的描述性詞。然后通過網(wǎng)上用戶調(diào)研和相關(guān)文獻(xiàn)查閱，收集產(chǎn)品外觀感性意向詞［2］。再由18名工業(yè)設(shè)計(jì)專業(yè)的在校研究生對(duì)收集到的詞進(jìn)行統(tǒng)計(jì)，篩選討論，進(jìn)一步提煉，并運(yùn)用語(yǔ)義差分法，最終確定了15個(gè)使用頻率最高的外觀描述性感性詞：安全、新穎、靈動(dòng)、流線、時(shí)尚、典雅、奢華、張揚(yáng)、科技、簡(jiǎn)潔、圓潤(rùn)、硬朗、修長(zhǎng)、親和、人性。這些詞即可作為15個(gè)產(chǎn)品外觀感性評(píng)價(jià)點(diǎn)。

2.2 產(chǎn)品感性評(píng)價(jià)

根據(jù)經(jīng)過篩選的1～20號(hào)符合要求的無(wú)人機(jī)案例圖片，設(shè)計(jì)語(yǔ)義差法（SD）調(diào)查問卷，開展問卷調(diào)查，通過15個(gè)外觀感性評(píng)價(jià)點(diǎn)對(duì)其進(jìn)行評(píng)價(jià)［3］。邀請(qǐng)15名工業(yè)設(shè)計(jì)工程在讀研究生、150名無(wú)人機(jī)愛好者、10名無(wú)人機(jī)外觀設(shè)計(jì)師和35名非設(shè)計(jì)類專業(yè)研究生，共210人對(duì)樣本進(jìn)行評(píng)價(jià)。評(píng)價(jià)尺度為1～7分，分別對(duì)應(yīng)收集數(shù)據(jù)后，將統(tǒng)計(jì)數(shù)據(jù)圖表化，發(fā)現(xiàn)大部分?jǐn)?shù)據(jù)符合正態(tài)分布的特點(diǎn)，運(yùn)用Matlab軟件計(jì)算可得正態(tài)分布的均值，即可求得最常見數(shù)據(jù)的數(shù)學(xué)期望。最終，得到這20個(gè)圖片樣本的每一個(gè)樣本的15個(gè)外觀感性評(píng)價(jià)值，共得到280個(gè)評(píng)價(jià)值數(shù)據(jù)。

3 無(wú)人機(jī)外觀造型元素獲取

一架完整的無(wú)人機(jī)由上千個(gè)零部件組成，這些零件可歸納為20個(gè)部分，通過形態(tài)拆解法將影響無(wú)人機(jī)產(chǎn)品外觀的部件提取出來，排除與外觀設(shè)計(jì)無(wú)關(guān)的元素。最終通過形態(tài)拆解法將無(wú)人機(jī)分解為7個(gè)設(shè)計(jì)要素：機(jī)臂、旋翼、機(jī)身頂視圖、機(jī)身側(cè)視圖、起落架、任務(wù)設(shè)備、槳葉保護(hù)罩。收集大約300張無(wú)人機(jī)外觀圖，對(duì)每一個(gè)無(wú)人機(jī)的外觀要素進(jìn)行歸納統(tǒng)計(jì)，排除極其少數(shù)的造型，再對(duì)每一個(gè)要素下的造型進(jìn)行歸類和簡(jiǎn)化，將每一種設(shè)計(jì)要素的下屬類型提煉到7種或7種以下，并為每一個(gè)要素賦予一個(gè)二進(jìn)制編碼（見表1）。

4 無(wú)人機(jī)產(chǎn)品外觀預(yù)測(cè)模型BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)

人工神經(jīng)網(wǎng)絡(luò)能夠模仿人腦對(duì)事物分析的認(rèn)知和思考過程，從而解決人們?cè)诟鱾€(gè)領(lǐng)域遇到的問題。人工神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)的寬容度較大，能夠探究輸入變量與目標(biāo)值之間的非線性關(guān)系，最終體現(xiàn)迫近能力。

4.1 產(chǎn)品設(shè)計(jì)預(yù)測(cè)中BP神經(jīng)的構(gòu)建與測(cè)試

20世紀(jì)80年代，心理學(xué)家戴維·麥克利蘭（David.C.McClelland）和認(rèn)知心理學(xué)家魯姆哈特（Rumel-hart）等科學(xué)家提出了BP神經(jīng)網(wǎng)絡(luò)這一概念。人工神經(jīng)網(wǎng)絡(luò)可以根據(jù)人們事先設(shè)定的輸入與輸出，經(jīng)過成百上千次訓(xùn)練，找到其中存在的規(guī)律。值得稱奇的是，這一切是在人們事先沒有設(shè)定數(shù)學(xué)公式的基礎(chǔ)上建立的［4］。在無(wú)數(shù)次訓(xùn)練后，輸入內(nèi)容可得出其所預(yù)判下最接近人們按照之前規(guī)律所得的輸出結(jié)果。在這一過程中，核心算法是信號(hào)的正向傳播和誤差的反向傳播。在調(diào)整閾值與權(quán)值時(shí)，整個(gè)過程由輸出到輸入反向進(jìn)行。從結(jié)構(gòu)上來說，BP神經(jīng)網(wǎng)絡(luò)分為輸入層、隱含層、輸出層三層主要結(jié)構(gòu)。在輸入層與輸出層之間，神經(jīng)元是一層或者多層的。人們把這些神經(jīng)元稱為引單元，其中每一層都有許多節(jié)點(diǎn)。對(duì)它們的狀態(tài)進(jìn)行調(diào)整，輸出與輸入之間的關(guān)系就會(huì)隨機(jī)改變。

4.2 輸入輸出節(jié)點(diǎn)的數(shù)量

輸入層的節(jié)點(diǎn)數(shù)是外觀設(shè)計(jì)元素種類數(shù)目即7，輸出層的節(jié)點(diǎn)數(shù)為提煉后最終確定的無(wú)人機(jī)產(chǎn)品外觀描述性詞數(shù)目即15。隱含層節(jié)點(diǎn)數(shù)的計(jì)算公式一般如下：

其中，隱含層節(jié)點(diǎn)數(shù)是m，輸入層節(jié)點(diǎn)數(shù)是n，輸出層節(jié)點(diǎn)數(shù)是l。無(wú)人機(jī)外觀設(shè)計(jì)預(yù)測(cè)模型輸入層節(jié)點(diǎn)數(shù)為外觀設(shè)計(jì)元素總數(shù)7，輸出層節(jié)點(diǎn)數(shù)為外觀描述性詞總數(shù)15。根據(jù)以上公式計(jì)算，隱含層節(jié)點(diǎn)數(shù)為11。

4.3 編碼方法

由于設(shè)計(jì)要素?zé)o法直接用于輸入，所以需要對(duì)無(wú)人機(jī)的外觀元素進(jìn)行編碼處理。每一個(gè)外觀元素的編碼是由0和1組成的三位數(shù)編碼［5］。例如，若其中一個(gè)案例的設(shè)計(jì)元素X1-X7的下屬類型是1、1、3、4、5、3、2，則此案例的編碼為001001011100101011010，對(duì)其他案例進(jìn)行相同的處理作為輸入代碼。

4.4 歸一化處理

由于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的輸出值須在［0，1］的區(qū)間內(nèi)，然而產(chǎn)品外觀感性評(píng)價(jià)結(jié)果處理而得的數(shù)據(jù)并不在此區(qū)間內(nèi)，同時(shí)為了提升輸出結(jié)果的可比性，因此需要將輸出數(shù)據(jù)收斂，將輸出的數(shù)值規(guī)定在［0，1］的區(qū)間內(nèi)，即對(duì)輸出的感性數(shù)據(jù)進(jìn)行歸一化處理。本研究采用的歸一化算法為：

xmin為x的最小值，xmax為x的最大值。對(duì)感性數(shù)據(jù)進(jìn)行歸一化處理之后，所有數(shù)值分布在［0，1］的區(qū)間內(nèi)，就可以將輸出的參數(shù)輸入BP神經(jīng)網(wǎng)絡(luò)模型，然后進(jìn)行訓(xùn)練。

4.5 BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練

根據(jù)前文的數(shù)據(jù)可得，基于Matlab R2021b平臺(tái)對(duì)其神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。一般BP神經(jīng)網(wǎng)絡(luò)的隱含層激勵(lì)函數(shù)采用對(duì)數(shù)S形轉(zhuǎn)移函數(shù)，公式如下：

由于函數(shù)輸出值須在［0，1］區(qū)間內(nèi)，因此輸出層選用線性函數(shù)（purlin）。訓(xùn)練函數(shù)選用TRAINLM，設(shè)置網(wǎng)絡(luò)學(xué)習(xí)次數(shù)為10 000次，輸入誤差目標(biāo)為0.003后，對(duì)數(shù)據(jù)樣本關(guān)系進(jìn)行逼近。

神經(jīng)網(wǎng)絡(luò)模型在6120次迭代時(shí)達(dá)到目標(biāo)誤差精度，停止訓(xùn)練。至此，初步得到無(wú)人機(jī)外觀造型的神經(jīng)網(wǎng)絡(luò)模型。

4.6 BP神經(jīng)網(wǎng)絡(luò)性能評(píng)價(jià)

對(duì)無(wú)人機(jī)外觀的BP神經(jīng)網(wǎng)絡(luò)模型的有效性進(jìn)行檢測(cè)，其原理是對(duì)案例進(jìn)行人工測(cè)評(píng)，并且進(jìn)行歸一化處理。然后對(duì)選取的案例進(jìn)行檢測(cè)，首先對(duì)案例進(jìn)行編碼，并將其輸入無(wú)人機(jī)外觀BP神經(jīng)網(wǎng)絡(luò)模型，從而得到輸出結(jié)果。將前后兩者的結(jié)果通過均方差分析MSE來評(píng)測(cè)，表達(dá)式為：

其中，d為輸出層神經(jīng)元數(shù)，yw是神經(jīng)網(wǎng)絡(luò)輸出，y*w是目標(biāo)評(píng)價(jià)值，將兩者進(jìn)行對(duì)比。通過以上函數(shù)計(jì)算所得結(jié)果數(shù)值為0.0014、0.0045、0.0065、0.0023和0.0055［6］。如果MSE所得數(shù)值小于0.01，就可證明該無(wú)人機(jī)外觀BP神經(jīng)網(wǎng)絡(luò)具有有效性。在可接受范圍內(nèi)，表明該神經(jīng)網(wǎng)絡(luò)達(dá)到了精度要求，具有可靠性。

4.7 BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)與結(jié)果分析

將無(wú)人機(jī)外觀形態(tài)拆解為7個(gè)部分，每一個(gè)部分都有數(shù)個(gè)下屬元素，理論上，無(wú)人機(jī)外觀造型根據(jù)排列組合可存在3×3×7×7×6×5×4=52 920種形態(tài)，將所有形態(tài)排列組合中的編碼輸入神經(jīng)網(wǎng)絡(luò)模型，即可得出安全、新穎、靈動(dòng)、流線、時(shí)尚、典雅、奢華、張揚(yáng)、科技、簡(jiǎn)潔、圓潤(rùn)、硬朗、修長(zhǎng)、親和、人性等感性意向詞評(píng)分最高的輸入層編碼組合，其中安全、修長(zhǎng)、親和三個(gè)感性指標(biāo)所對(duì)應(yīng)的最優(yōu)元素組合在案例庫(kù)中存在相對(duì)應(yīng)的案例，分別對(duì)應(yīng)的輸入層編碼為001011011101011011010、010001011011011100011和001001011010011001011，與其對(duì)應(yīng)的外觀元素組合分別是1335332、2133343和1132313。在目前所存在的無(wú)人機(jī)外觀案例庫(kù)中可找到其對(duì)應(yīng)的最優(yōu)組合。

可通過建模軟件犀牛進(jìn)行建模展示，例如根據(jù)目前的外觀元素想要獲得最“靈動(dòng)”的外觀設(shè)計(jì)。根據(jù)BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)所得的52 920種外觀形態(tài)，將“靈動(dòng)”輸出指標(biāo)最高分的設(shè)計(jì)方案作為初步的形態(tài)組合。然后進(jìn)行建模、渲染，“靈動(dòng)”最優(yōu)化方案與建模渲染如圖2所示。

此外，這7種外觀元素相對(duì)粗略，最優(yōu)建模中還有許多細(xì)節(jié)需要“再創(chuàng)作”。此神經(jīng)網(wǎng)絡(luò)構(gòu)建只涉及7個(gè)設(shè)計(jì)元素，設(shè)計(jì)的細(xì)節(jié)相對(duì)較少，若想得出更精確的預(yù)測(cè)，還需要更多的外觀元素，如更加細(xì)分的結(jié)構(gòu)、形態(tài)、顏色、材質(zhì)、分型以及更豐富具體的下屬元素，即對(duì)此神經(jīng)網(wǎng)絡(luò)模型的推廣運(yùn)用。

5 結(jié)語(yǔ)

本研究運(yùn)用感性工程學(xué)的方法，將消費(fèi)者對(duì)產(chǎn)品外觀的情感化需求變?yōu)榭晒┰O(shè)計(jì)師選擇的設(shè)計(jì)元素，以無(wú)人機(jī)外觀為設(shè)計(jì)對(duì)象。通過調(diào)研獲得產(chǎn)品外觀感性描述詞，并將其作為指標(biāo)進(jìn)行打分，通過拆解外觀元素并編碼輸入，使用BP神經(jīng)網(wǎng)絡(luò)模型建立起外觀設(shè)計(jì)元素與用戶感性意向的關(guān)系模型。這樣不僅能夠避免產(chǎn)品外觀設(shè)計(jì)師的主觀因素影響，也在設(shè)計(jì)師和用戶之間架起了一座有效溝通的橋梁，提升了定向性設(shè)計(jì)的便捷性，能有效實(shí)現(xiàn)精準(zhǔn)定位。

參考文獻(xiàn)：

［1］ 劉月林，王習(xí)羽，王劍.基于三角模糊和BP神經(jīng)網(wǎng)絡(luò)的產(chǎn)品意象造型設(shè)計(jì)［J］.包裝工程，2021，42（14）：185-193.

［2］ 冉蓓.基于產(chǎn)品語(yǔ)意的人工智能產(chǎn)品設(shè)計(jì)方法研究［J］.設(shè)計(jì)，2021，34（12）：119-121.

［3］ 潘峰，鞏炯炯，毛軼超.基于神經(jīng)網(wǎng)絡(luò)的乳兒產(chǎn)品交互性設(shè)計(jì)評(píng)價(jià)［J］.包裝工程，2018，39（16）：155-161.

［4］ 張碩，吳儉濤.基于BP神經(jīng)網(wǎng)絡(luò)的壁掛式充電樁產(chǎn)品形態(tài)研究［J］.圖學(xué)學(xué)報(bào)，2017，38（6）：865-868.

［5］ 唐珊，秦家怡.集成神經(jīng)網(wǎng)絡(luò)的工業(yè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)［J］.現(xiàn)代電子技術(shù)，2017，40（7）：112-115.

［6］ 趙萬(wàn)芹.基于BP神經(jīng)網(wǎng)絡(luò)的產(chǎn)品造型設(shè)計(jì)評(píng)價(jià)［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2009，30（24）：5715-5717，5721.

作者簡(jiǎn)介：李月恩（1976—），男，山東濟(jì)南人，博士，副教授，研究方向：智能設(shè)計(jì)方法、數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新方法。

金瑞（1998—），男，安徽安慶人，碩士在讀，研究方向：智能設(shè)計(jì)方法、交互設(shè)計(jì)。