李潔　張曉靜　楊杰

摘? 要：在追求高情感和高附加價(jià)值的現(xiàn)代社會(huì)背景下，基于感性意象的產(chǎn)品造型設(shè)計(jì)成為產(chǎn)品追求個(gè)性化和情感化的重要手段。本文通過(guò)對(duì)國(guó)內(nèi)外文獻(xiàn)的歸納分析，探討了產(chǎn)品意象造型設(shè)計(jì)的體系架構(gòu)，重點(diǎn)介紹了每個(gè)步驟中所涉及的技術(shù)和理論，總結(jié)了意象造型設(shè)計(jì)在多目標(biāo)/多主體的造型設(shè)計(jì)、造型進(jìn)化設(shè)計(jì)、意象形態(tài)融合造型設(shè)計(jì)等三方面的現(xiàn)狀及進(jìn)展。

關(guān)鍵詞：感性工學(xué)；意象；造型設(shè)計(jì)；產(chǎn)品設(shè)計(jì)

隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、人工智能等新興信息技術(shù)與設(shè)計(jì)方法理論的融合發(fā)展，如今的設(shè)計(jì)不僅要?jiǎng)?chuàng)建實(shí)體產(chǎn)品以滿足基本的功能需求，更發(fā)展成為提供服務(wù)、情感、體驗(yàn)的手段，其中情感特征已成為產(chǎn)品研究、產(chǎn)品附加價(jià)值提升的關(guān)鍵；因此，如何通過(guò)設(shè)計(jì)實(shí)現(xiàn)情感傳達(dá)成為眾多設(shè)計(jì)師關(guān)注的問(wèn)題。基于感性工學(xué)的意象造型設(shè)計(jì)作為合目的性的形態(tài)設(shè)計(jì)方法，不僅能表明產(chǎn)品的使用方法，還能使其作為情感溝通和傳達(dá)的媒介，給人帶來(lái)良好的審美體驗(yàn)[1]。本文首先對(duì)產(chǎn)品感性意象造型設(shè)計(jì)的概念和流程進(jìn)行了簡(jiǎn)單介紹，其次重點(diǎn)對(duì)意象造型設(shè)計(jì)各個(gè)步驟所使用到的方法進(jìn)行了梳理和歸納，最后，通過(guò)文獻(xiàn)綜述法將意象造型設(shè)計(jì)應(yīng)用及研究的現(xiàn)狀歸納總結(jié)分為三個(gè)方向：多目標(biāo)/多主體的造型設(shè)計(jì)、造型進(jìn)化設(shè)計(jì)、意象形態(tài)融合造型設(shè)計(jì)。

一、產(chǎn)品意象造型設(shè)計(jì)與感性工學(xué)

產(chǎn)品意象造型設(shè)計(jì)起源于感性工學(xué)的方法。Kansei（感性）意為主觀印象和情感，感性工學(xué)通過(guò)定性和定量的方法分析消費(fèi)者感性信息，將消費(fèi)者對(duì)于產(chǎn)品的感性信息與產(chǎn)品設(shè)計(jì)元素匹配對(duì)應(yīng)起來(lái)，按照用戶的意象目標(biāo)選擇對(duì)應(yīng)的產(chǎn)品設(shè)計(jì)元素，以設(shè)計(jì)出符合用戶意象目標(biāo)的產(chǎn)品[2]。感性工學(xué)研究方法的流程為：（一）劃分產(chǎn)品設(shè)計(jì)元素的類(lèi)別；（二）使用計(jì)算機(jī)技術(shù)等收集大量用戶數(shù)據(jù)并建立數(shù)據(jù)庫(kù)；（三）用數(shù)學(xué)公式建立映射關(guān)系模型，從而輸出最合適的設(shè)計(jì)元素組合。一般來(lái)說(shuō)，感性工學(xué)在產(chǎn)品設(shè)計(jì)領(lǐng)域中的研究對(duì)象通常包括產(chǎn)品的形態(tài)、顏色[3]、材質(zhì)[4]31三方面，但隨著感性工學(xué)研究領(lǐng)域內(nèi)容和數(shù)量的擴(kuò)充和豐富，基于感性工學(xué)的產(chǎn)品造型設(shè)計(jì)研究蓬勃發(fā)展并成為獨(dú)立的細(xì)分領(lǐng)域：意象造型設(shè)計(jì)。

產(chǎn)品意象是人對(duì)物的心理上的期待感受，意象造型設(shè)計(jì)正是以人的情感意象為目標(biāo)，通過(guò)形態(tài)要素的不同搭配就可以實(shí)現(xiàn)不同的意象美，此時(shí)設(shè)計(jì)出的產(chǎn)品意象承載了用戶的情感和期待。意象造型設(shè)計(jì)的研究流程與感性工學(xué)相似，一般分為四個(gè)階段：建立初始意象語(yǔ)意空間和樣本庫(kù)、確定優(yōu)勢(shì)感知意象和代表性產(chǎn)品樣本并構(gòu)建產(chǎn)品造型特征庫(kù)、建立用戶感性詞匯與產(chǎn)品形態(tài)元素與的對(duì)應(yīng)關(guān)系并提出設(shè)計(jì)策略、根據(jù)策略進(jìn)行產(chǎn)品意象優(yōu)化設(shè)計(jì)（如圖1）。意象造型設(shè)計(jì)的過(guò)程涵蓋了用戶與設(shè)計(jì)師雙邊信息的傳遞與推理，設(shè)計(jì)師先從用戶處獲取其根據(jù)自身經(jīng)驗(yàn)所判斷出的模糊意象，再綜合運(yùn)用各種設(shè)計(jì)方法和技術(shù)，在用戶情感需求和產(chǎn)品形態(tài)特征兩者間取得平衡。

二、基于感性意象的產(chǎn)品造型設(shè)計(jì)流程

產(chǎn)品意象造型設(shè)計(jì)和研究過(guò)程中有4個(gè)關(guān)鍵內(nèi)容：搜集并確定代表性樣本、分析產(chǎn)品造型設(shè)計(jì)元素、獲取并確定用戶意象、建立用戶感性意象與產(chǎn)品造型設(shè)計(jì)素的對(duì)應(yīng)關(guān)系。

（一）搜集并確定代表性樣本

圖片收集法。主要通過(guò)查閱相關(guān)書(shū)籍、論文、期刊雜志、購(gòu)物平臺(tái)等渠道大量收集樣本圖片。此外陳金亮等人還提出用Alias、Rhino、3d Max等計(jì)算機(jī)軟件建模生成虛擬產(chǎn)品樣本圖片[5]。

聚類(lèi)分析法，在沒(méi)有先驗(yàn)知識(shí)的情況下通過(guò)調(diào)查問(wèn)卷獲取樣本分類(lèi)數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行聚集將樣本劃分為不同的類(lèi)型，每一類(lèi)樣本中距離類(lèi)中心距離最近的樣本即為代表性樣本。

主成分分析法，是一種降維方法，以更少的因子反映原始數(shù)據(jù)的大部分信息，可以根據(jù)主成分分析得到的因子載荷陣中成分載荷的絕對(duì)值的數(shù)值對(duì)樣本進(jìn)行分類(lèi)[4]31。

多維尺度法，可以找到?jīng)Q定多個(gè)樣本的少數(shù)幾個(gè)潛在因素，在潛在因素的空間圖中，樣本與樣本之間的距離越近，表明樣本間在維度特征上越相似。

（二）產(chǎn)品樣本解構(gòu)或參數(shù)化方法

形態(tài)分析法。由F·茨維基（F. Zwicky）提出，核心是將產(chǎn)品拆解成若干組成部分（設(shè)計(jì)項(xiàng)目），尋找各組成部分的可變要素（設(shè)計(jì)類(lèi)目），建立產(chǎn)品的形態(tài)構(gòu)成體系。主要步驟為：確定造型設(shè)計(jì)目標(biāo)、提出產(chǎn)品分解維度或組成部分、列出各部分所有可能的設(shè)計(jì)要素、編制產(chǎn)品形態(tài)表。

曲線控制法。提取產(chǎn)品造型特征線并確定關(guān)鍵點(diǎn)，建立坐標(biāo)軸，控制產(chǎn)品樣本關(guān)鍵點(diǎn)的坐標(biāo)值變化即可代表不同的樣本造型[6]。除了自己定義曲線，常用的還有貝塞爾曲線，該線包括起始點(diǎn)、終點(diǎn)以及中間的兩點(diǎn)，通過(guò)移動(dòng)中間點(diǎn)的位置來(lái)調(diào)整和改變曲線的形狀。

KJ法。又叫親和圖法，由川木田次郎在1953年提出的，該方法需要盡可能多地收集目標(biāo)產(chǎn)品相關(guān)的造型信息，再進(jìn)行分級(jí)整理和歸納，最終形成有規(guī)律可循的產(chǎn)品形態(tài)分析框架。

眼動(dòng)實(shí)驗(yàn)法。通過(guò)追蹤眼球運(yùn)動(dòng)的路徑和時(shí)間獲取眼動(dòng)的熱力圖、注視軌跡圖、集簇圖、蜂群圖等，從這些數(shù)據(jù)判斷出產(chǎn)品造型中最受用戶關(guān)注的部位，再?gòu)谋壤P(guān)系、形態(tài)特征、相對(duì)位置等方面提取影響意象的形態(tài)要素。

造型特征提取法。需要多位設(shè)計(jì)師和相關(guān)專(zhuān)家對(duì)產(chǎn)品有全面的認(rèn)知和剖析后，綜合產(chǎn)品的整體形態(tài)、細(xì)節(jié)、意象總結(jié)出產(chǎn)品的特征，由于該方法主要依靠專(zhuān)家所以得出的結(jié)論更主觀。

（三）意象的獲取及確定

生理學(xué)測(cè)量法。因?yàn)閷?duì)不同的產(chǎn)品人的生理上會(huì)不自覺(jué)的做出不同的反應(yīng)[7]，因此生理變化信息能科學(xué)理性的反映出用戶對(duì)產(chǎn)品造型的感受。該方法主要采用心電儀、眼動(dòng)儀、腦電波測(cè)量?jī)x、功能性磁共振成像儀、面部動(dòng)作編碼系統(tǒng)等設(shè)備測(cè)量人類(lèi)的眼動(dòng)信息、腦電波、肌肉反應(yīng)、微表情和行為等生理指標(biāo)，這些生理指標(biāo)不同的數(shù)值能反映用戶面對(duì)不同產(chǎn)品時(shí)的不同感受。

心理學(xué)測(cè)量法。采用語(yǔ)義差分法或李克特量表開(kāi)展問(wèn)卷調(diào)研，讓用戶使用數(shù)值來(lái)表達(dá)對(duì)產(chǎn)品造型意象的傾向程度，對(duì)收集的用戶評(píng)價(jià)數(shù)據(jù)運(yùn)用因子分析法、聚類(lèi)分析法、主成分分析等統(tǒng)計(jì)學(xué)方法降低感性意象認(rèn)知的維度，得到目標(biāo)產(chǎn)品的主要意象。

口語(yǔ)分析法。要求被試觀察產(chǎn)品，結(jié)合自身感受表述對(duì)于目標(biāo)產(chǎn)品的感覺(jué)或印象，在談話過(guò)程中記錄下用戶對(duì)產(chǎn)品的表述，最后轉(zhuǎn)為文字，挖掘文字背后代表的用戶對(duì)產(chǎn)品的感受和印象。

文本挖掘法。使用網(wǎng)絡(luò)爬蟲(chóng)等計(jì)算機(jī)技術(shù)在網(wǎng)頁(yè)上獲取對(duì)目標(biāo)產(chǎn)品的評(píng)價(jià)文字，通過(guò)去重、分詞處理后統(tǒng)計(jì)詞頻，分析文本情感極性和情感強(qiáng)度，挖掘出用戶意象需求。

深度學(xué)習(xí)法。該技術(shù)模擬自然神經(jīng)系統(tǒng)對(duì)信息的處理機(jī)制，具備自動(dòng)提取特征的特性[8]。一般是通過(guò)問(wèn)卷獲得產(chǎn)品意象評(píng)價(jià)數(shù)據(jù)后，再用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最終建立產(chǎn)品意象與形態(tài)元素間的匹配關(guān)系模型，通過(guò)該模型能預(yù)測(cè)出用戶對(duì)特定產(chǎn)品的感性意象。

（四）意象與產(chǎn)品形態(tài)元素的映射關(guān)系構(gòu)建

在構(gòu)建意象與產(chǎn)品形態(tài)元素的映射關(guān)系時(shí)，從計(jì)算機(jī)算法、創(chuàng)新理論、統(tǒng)計(jì)學(xué)等學(xué)科提出不同的方法。

基于計(jì)算機(jī)算法的映射關(guān)系構(gòu)建。計(jì)算機(jī)算法構(gòu)建映射關(guān)系的方法包括遺傳算法、神經(jīng)網(wǎng)絡(luò)、群智能算法。遺傳算法模擬生物進(jìn)化的遺傳機(jī)制，對(duì)初始樣本的形態(tài)設(shè)計(jì)元素進(jìn)行選擇、交叉、變異，直至得到滿足條件的最優(yōu)形態(tài)組方案[9]，在產(chǎn)品造型意象設(shè)計(jì)中主要運(yùn)用的遺傳算法除了基本遺傳算法，還有交互式遺傳算法和自適應(yīng)遺傳算法。神經(jīng)網(wǎng)絡(luò)模擬大腦的機(jī)理及神經(jīng)網(wǎng)絡(luò)的特性，采用全局逼近的方法實(shí)現(xiàn)從設(shè)計(jì)元素到意象的非線性映射[10]。群智能算法模仿和提取自然界中具有組織行為能力的生物群體的行為方式和特點(diǎn)，從而形成的一種全局優(yōu)化搜索算法[5]。

基于創(chuàng)新理論的映射關(guān)系構(gòu)建。產(chǎn)品意象造型設(shè)計(jì)中用于構(gòu)建造型——意象映射關(guān)系的創(chuàng)新理論有QFD和TRIZ理論。QFD（質(zhì)量功能展開(kāi)）是一種層次分析法，先分析出用戶對(duì)產(chǎn)品造型的需求，再?gòu)男枨蟪霭l(fā)進(jìn)行分析和拆解，直至推理出產(chǎn)品形態(tài)的物理量，并計(jì)算出質(zhì)量展開(kāi)要素的權(quán)重，確定產(chǎn)品造型設(shè)計(jì)中各模塊的優(yōu)先級(jí)。TRIZ理論（發(fā)明問(wèn)題解決理論）認(rèn)為工程系統(tǒng)都具備相同的發(fā)展規(guī)律，并總結(jié)了通用的規(guī)律和工具，根據(jù)這些規(guī)律可以求得產(chǎn)品的最佳設(shè)計(jì)方案[11]，這些規(guī)律和工具包括：八個(gè)進(jìn)化法則、40個(gè)創(chuàng)新原理、沖突矩陣、物質(zhì)—場(chǎng)分析、ARIZ、AFD、ISQ、DE、科學(xué)效應(yīng)、39個(gè)工程技術(shù)參數(shù)、物理學(xué)、化學(xué)、幾何學(xué)等工程學(xué)原理知識(shí)庫(kù)等；比如使用物質(zhì)—場(chǎng)工具分析標(biāo)準(zhǔn)解時(shí)，可以從76條標(biāo)準(zhǔn)解答選擇最合適的解法，使用沖突矩陣進(jìn)行設(shè)計(jì)時(shí)，先用39個(gè)工程技術(shù)參數(shù)形成39*39的沖突矩陣，設(shè)計(jì)者再?gòu)?0個(gè)創(chuàng)新原理中選出能解決每個(gè)沖突的原理，形成折衷的設(shè)計(jì)方案。

數(shù)學(xué)統(tǒng)計(jì)模型的映射關(guān)系構(gòu)建。產(chǎn)品意象造型設(shè)計(jì)中構(gòu)建造型—意象映射關(guān)系的數(shù)學(xué)統(tǒng)計(jì)模型有支持向量機(jī)、粗糙集、數(shù)量化理論I、灰色關(guān)聯(lián)法。支持向量機(jī)通過(guò)非線性變換，可以將樣本數(shù)據(jù)映射到高維特征向量空間，并在該空間求得最優(yōu)分類(lèi)超平面[12]。粗糙集基本思想是利用等價(jià)關(guān)系來(lái)對(duì)對(duì)象集合進(jìn)行劃分，在造型設(shè)計(jì)中常用于研究形態(tài)要素對(duì)意象的影響程度及挖掘產(chǎn)品形態(tài)設(shè)計(jì)規(guī)則。數(shù)量化理論I利用多元線性回歸分析研究定性自變量與定量變量間的關(guān)系，建立它們之間的數(shù)學(xué)預(yù)測(cè)模型，以實(shí)現(xiàn)對(duì)因變量的預(yù)測(cè)?；疑P(guān)聯(lián)法將造型設(shè)計(jì)元素與感性意象之間的相似或相異程度轉(zhuǎn)化為分段連續(xù)的折線，根據(jù)折線的幾何特征可以分析出形態(tài)元素與意象間的相關(guān)程度，使用該方法可以得到影響產(chǎn)品感性意象的各造型要素的優(yōu)先級(jí)。

三、產(chǎn)品意象造型設(shè)計(jì)研究現(xiàn)狀及進(jìn)展

在國(guó)內(nèi)，“意象造型設(shè)計(jì)”一詞出現(xiàn)于2007年左右，2015年被廣泛使用。它以產(chǎn)品造型為對(duì)象，在感性工學(xué)的基礎(chǔ)上，衍生出了多主體意象造型設(shè)計(jì)、意象形態(tài)融合設(shè)計(jì)、產(chǎn)品族意象設(shè)計(jì)等領(lǐng)域。

（一）多意象目標(biāo)/多主體的意象造型設(shè)計(jì)

一個(gè)產(chǎn)品帶給人的意象是多樣的，用戶對(duì)產(chǎn)品意象的需求也有多個(gè)，且存在輕重之分。為了能根據(jù)多個(gè)意象輸出一個(gè)產(chǎn)品造型方案，有人[13]通過(guò)TOPSIS方法和神經(jīng)網(wǎng)絡(luò)篩選出多意象的最佳造型方案；周愛(ài)民等[14]運(yùn)用MLS-SVR方法建模，提出一種“設(shè)計(jì)特征—形態(tài)美度—感性意象”的產(chǎn)品造型多意象預(yù)測(cè)模型；王鵬等[15]以BP神經(jīng)網(wǎng)絡(luò)和多目標(biāo)粒子群算法設(shè)計(jì)出了具備多個(gè)意象的產(chǎn)品造型。

除了考慮多意象驅(qū)動(dòng)的造型設(shè)計(jì)，也需要考慮多主體的情況下如何設(shè)計(jì)出令多方滿意的產(chǎn)品造型。如許曉云等人[16]在獲取產(chǎn)品意象數(shù)據(jù)時(shí)，同時(shí)考慮了兒童和父母在決策中的權(quán)重，設(shè)計(jì)出兼顧兒童和父母感受的智能產(chǎn)品；蘇建寧等[17]考慮到用戶、設(shè)計(jì)師和工程師三者在意象上的認(rèn)知差異，構(gòu)建了同時(shí)滿足三者情感需求的復(fù)合意象認(rèn)知空間。

（二）意象造型進(jìn)化設(shè)計(jì)

羅仕鑒團(tuán)隊(duì)率先提出了基于視覺(jué)—行為—情感的產(chǎn)品族設(shè)計(jì)基因模型，基于產(chǎn)品族設(shè)計(jì)基因的理論基礎(chǔ)，并探索了產(chǎn)品外形基因的風(fēng)格意象[18]，為意象造型進(jìn)化設(shè)計(jì)的發(fā)展打下基礎(chǔ)。有人[19]在其基礎(chǔ)上建立了基于產(chǎn)品基因元素的產(chǎn)品設(shè)計(jì)風(fēng)格理論，對(duì)產(chǎn)品基因組成元素進(jìn)行了分析，使產(chǎn)品意象造型設(shè)計(jì)的基因元素更具可實(shí)現(xiàn)性。

隨后各類(lèi)進(jìn)化算法紛紛應(yīng)用于產(chǎn)品造型設(shè)計(jì)領(lǐng)域，產(chǎn)品意象造型進(jìn)化設(shè)計(jì)以產(chǎn)品形態(tài)為設(shè)計(jì)對(duì)象，對(duì)產(chǎn)品樣本進(jìn)行參數(shù)化后，通過(guò)進(jìn)化算法對(duì)樣本造型的各項(xiàng)參數(shù)進(jìn)行選擇、變異、交叉，以生成多種符合意象目標(biāo)的造型方案。意象造型領(lǐng)域常見(jiàn)的進(jìn)化算法除了遺傳算法[20]，還發(fā)展出了群智能算法、非支配排序遺傳算法、交互式進(jìn)化算法等，如有人[21]提出一種交互遺傳算法的產(chǎn)品形態(tài)設(shè)計(jì)方法，在滿足用戶需求的基礎(chǔ)上提高了對(duì)方案評(píng)價(jià)的準(zhǔn)確度；最近有人[22]受蜘蛛網(wǎng)結(jié)構(gòu)的啟發(fā)，基于蜘蛛網(wǎng)的力學(xué)特性分析了產(chǎn)品族內(nèi)系列內(nèi)和系列間的產(chǎn)品形態(tài)發(fā)展規(guī)律，提出了交叉系數(shù)和變異系數(shù)的計(jì)算方法用于產(chǎn)品形式演變，為產(chǎn)品意象造型進(jìn)化設(shè)計(jì)提供了新角度。

（三）意象形態(tài)融合造型設(shè)計(jì)

形態(tài)融合是通過(guò)形狀混合技術(shù)指將兩個(gè)及以上的初始造型，平滑、自然地生成具備初始形態(tài)特征的中間造型的過(guò)程[23]，其所形成的最終形態(tài)同時(shí)具備兩個(gè)或多個(gè)初始形態(tài)的特征。如師潔等[24]提取了代表“高貴”意象的王冠造型，應(yīng)用形態(tài)融合技術(shù)將其香水瓶造型與進(jìn)行融合，生成具有“高貴”感的香水瓶造型。薛澄歧[25]利用形狀混合算法將中國(guó)傳統(tǒng)服飾旗袍的腰身曲線與已有產(chǎn)品的形態(tài)特征曲線進(jìn)行融合漸變，獲得大量新的具有旗袍優(yōu)雅意象的產(chǎn)品形態(tài)設(shè)計(jì)方案。

因?yàn)榉律O(shè)計(jì)是提取生物形態(tài)特征并融合到產(chǎn)品造型設(shè)計(jì)中，這與形態(tài)融合設(shè)計(jì)的理念相似，因此形態(tài)融合造型設(shè)計(jì)的方法也常應(yīng)用于仿生設(shè)計(jì)。如羅仕鑒等[26]通過(guò)形狀上下文匹配法找到和目標(biāo)產(chǎn)品形態(tài)相似的生物，再使用圖像變形技術(shù)設(shè)計(jì)出多款仿生程度不同的造型仿生產(chǎn)品。

以上幾個(gè)研究領(lǐng)域并不是獨(dú)立的，有時(shí)也會(huì)出現(xiàn)交叉融合，如張書(shū)濤等人[27]既考慮到多個(gè)意象、又采用了進(jìn)化設(shè)計(jì)的方法，其將蛛網(wǎng)圖與灰靶決策模型相結(jié)合后提出了一種產(chǎn)品形態(tài)多意象蛛網(wǎng)灰靶決策模型，能夠從進(jìn)化出的多種形態(tài)中快速確定符合多設(shè)計(jì)主體認(rèn)知的多意象方案。

四、結(jié)語(yǔ)

文章通過(guò)文獻(xiàn)綜述法對(duì)意象造型設(shè)計(jì)的研究架構(gòu)進(jìn)行了回顧，并對(duì)搜集并確定代表性樣本、解析產(chǎn)品形態(tài)要素、獲取并確定用戶意象需求、建立用戶感性意象與產(chǎn)品造型設(shè)計(jì)素的對(duì)應(yīng)關(guān)系這四個(gè)方面的關(guān)鍵技術(shù)和理論進(jìn)行了較為全面的分析和闡述，并進(jìn)一步歸納總結(jié)了意象造型設(shè)計(jì)在多目標(biāo)/多主體的造型設(shè)計(jì)、造型進(jìn)化設(shè)計(jì)、意象形態(tài)融合造型設(shè)計(jì)等三個(gè)方面的研究進(jìn)展。在產(chǎn)品供給側(cè)改革的政策下，還需要繼續(xù)對(duì)意象造型設(shè)計(jì)的相關(guān)技術(shù)和方法進(jìn)行更深層次的探索，以設(shè)計(jì)出更符合現(xiàn)代社會(huì)對(duì)情感化、個(gè)性化需要的產(chǎn)品。

參考文獻(xiàn)：

[1]于帆，陳嬿.意象造型設(shè)計(jì)[M].武漢：華中科技大學(xué)出版社，2007.

[2]周美玉.感性·設(shè)計(jì)[M].上海：上?？茖W(xué)技術(shù)出版社，2011：10.

[3]BAI P，ZHANG Z，XIA Z.Kansei Engineering for the Back Color of Mobile Phone[J]. Lecture Notes in Networks and Systems，2021：1094-1101.

[4]汪穎.材料質(zhì)感意象認(rèn)知研究[M].杭州：浙江大學(xué)出版社，2019.

[5]陳金亮，趙鋒.產(chǎn)品感性意象設(shè)計(jì)研究進(jìn)展[J].包裝工程，2021（20）：178-187.

[6]張秦瑋.產(chǎn)品多目標(biāo)意象造型進(jìn)化設(shè)計(jì)研究[D].蘭州：蘭州理工大學(xué)，2014.

[7]CHOI K，JUN C. A systematic approach to the Kansei factors of tactile sense regarding the surface roughness[J].Applied Ergonomics，2007（1）：53-63.

[8]朱斌，楊程，俞春陽(yáng)等.基于深度學(xué)習(xí)的產(chǎn)品意象識(shí)別[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2018（9）：1778-1784.

[9]DOU R，ZHANG Y，NAN G.Application of combined Kano model and interactive genetic algorithm for product customization[J].Journal of Intelligent Manufacturing，2019（7）：2587-2602.

[10]林麗，郭主恩，陽(yáng)明慶.面向產(chǎn)品感性意象的造型優(yōu)化設(shè)計(jì)研究現(xiàn)狀及趨勢(shì)[J].包裝工程，2020（2）：65-79.

[11]張輝.基于TRIZ的新產(chǎn)品創(chuàng)新沖突矩陣的構(gòu)建[D].天津：河北工業(yè)大學(xué)，2012.

[12]林香亮，袁瑞，孫玉秋等.支持向量機(jī)的基本理論和研究進(jìn)展[J].長(zhǎng)江大學(xué)學(xué)報(bào)（自科版），2018（17）：48-53.

[13]LIN Y-C，CHEN C-C，YEH C-H. Intelligent Decision Support for New Product Development：A Consumer-Oriented Approach[J]. Applied Mathematics & Information Sciences，2014：2761-2768.

[14]周愛(ài)民，蘇建寧，閻樹(shù)田等.基于形態(tài)美度的產(chǎn)品多意象預(yù)測(cè)模型[J].圖學(xué)學(xué)報(bào)，2018（4）：654-660.

[15]王鵬，張煒，白睿昇.多意象驅(qū)動(dòng)下的產(chǎn)品造型個(gè)性化定制系統(tǒng)研究[J].計(jì)算技術(shù)與自動(dòng)化，2021（1）：7-14.

[16]許曉云，解秋蕊，張曙.應(yīng)用感性工學(xué)的兒童參與式智能產(chǎn)品設(shè)計(jì)方法[J].包裝工程，2019（18）：129-134.

[17] 蘇建寧，張新新，景楠等.認(rèn)知差異下的產(chǎn)品造型意象熵評(píng)價(jià)研究[J].機(jī)械設(shè)計(jì)，2016（3）：105-108.

[18]傅業(yè)燾，羅仕鑒.面向風(fēng)格意象的產(chǎn)品族外形基因設(shè)計(jì)[J].計(jì)算機(jī)集成制造系統(tǒng)，2012（3）：449-457.

[19]LI L L，LI J H，HE K. The gene ontology for product image design[J]. Applied Mechanics and Materials，2013：257-262.

[20]BRUM T C， BORGES M M， DE CASTRO LEMONGE A C， et al. Genetic Algorithm Applied to Packaging Shape Models Using Sustainability Criteria[C]. Brazil：Springer Cham， 2021：545–558.

[21]WANG T，ZHOU M.A method for product form design of integrating interactive genetic algorithm with the interval hesitation time and user satisfaction[J]. International Journal of Industrial Ergonomics，2020.

[22]ZHANG S，LIU S，SU J，et al. An evolutionary design method of product form inspired by spider-webs[J].Computer-Aided Design and Applications，2022（1）：1-25.

[23]李華，朱光喜，劉文予，等.Metamorphosis技術(shù)綜述[J].計(jì)算機(jī)研究與發(fā)展，2002（5）：524-532.

[24]師潔，蘇建寧，李雄.產(chǎn)品意象原型形態(tài)耦合優(yōu)化設(shè)計(jì)研究[J].包裝工程，2019（8）：47-53，129.

[25]袁浩，薛澄歧，盧章平，等.基于局部形態(tài)融合的產(chǎn)品創(chuàng)新設(shè)計(jì)研究[J].包裝工程，2011（20）：30-33.

[26]羅仕鑒，邊澤，張宇飛，等.基于形態(tài)匹配的產(chǎn)品仿生設(shè)計(jì)融合[J].計(jì)算機(jī)集成制造系統(tǒng)，2020（10）：2633-2641.

[27]張書(shū)濤，王世杰，劉世鋒，等.產(chǎn)品形態(tài)多意象蛛網(wǎng)灰靶決策模型[J].圖學(xué)學(xué)報(bào)（3）：548-557.

作者簡(jiǎn)介：

李潔，六盤(pán)水師范學(xué)院助教。研究方向：感性工學(xué)、產(chǎn)品設(shè)計(jì)。

張曉靜，洛陽(yáng)市第五人民醫(yī)院護(hù)師。研究方向：護(hù)理。

楊杰，六盤(pán)水師范學(xué)院副教授。研究方向：AR、交互設(shè)計(jì)。