程永勝，徐驍琪 Cheng Yongsheng &Xu Xiaoqi

(廈門大學嘉庚學院，福建漳州 363105）

游艇由于具有較強的休閑、娛樂屬性，成為許多富人娛樂和身份象征的工具。隨著技術的發(fā)展，游艇造價不斷降低，呈現(xiàn)越來越大眾化、多樣化的發(fā)展趨勢。Espen Oino在描述游艇產(chǎn)業(yè)時說：過去船舶是制造的，而如今是設計的[1]。游艇作為一種奢侈品，它代表的不僅僅是航海、運動、休閑、娛樂等功能集合，同時也具有高度的情感化特征。因此，游艇設計中除了動力學、材料學、風格美學、人機工程學等，也越來越關注游艇造型設計與用戶情感的關聯(lián)性。

將產(chǎn)品的造型特征與用戶的感性認知相關聯(lián)，來分析它們之間的數(shù)量關系，是認知產(chǎn)品造型中情感要素的主要方法。產(chǎn)品造型設計與用戶感性認知常用的定量分析方法有層次分析法[2]、多元回歸分析[3]、神經(jīng)網(wǎng)絡[4]、因子分析[5]、遺傳算法[6]等。但由于用戶情感認知的復雜性，以及對于尺寸較大和特征復雜的產(chǎn)品造型進行分析時，單一的分析方法往往較難全面客觀地描述產(chǎn)品造型與感性認知的數(shù)量關系。圍繞這一問題，有關學者們進行了積極的研究。羅仕鑒等學者[7]通過將用戶心理意象特征與產(chǎn)品物理外形特征之間的映射系數(shù)轉(zhuǎn)換成用戶偏好驅(qū)動的進化函數(shù)，并運用遺傳算法實現(xiàn)用戶偏好驅(qū)動下的SUV產(chǎn)品族側(cè)面輪廓線基因進化設計方法；徐秋瑩等學者[8]將改良灰色理論與人工神經(jīng)網(wǎng)絡結(jié)合，并利用馬爾科夫鏈對初始數(shù)據(jù)進行修正，提出一種基于歷史數(shù)據(jù)的汽車形態(tài)特征進化方法；Yadav H c[9]則以QFD方法建立汽車質(zhì)量功能模型，并結(jié)合KANO模型將用戶感性意象轉(zhuǎn)化為可用的造型設計參數(shù)?？傮w而言，以上研究方向主要以多種分析方法相結(jié)合獲取用戶對產(chǎn)品造型的評價數(shù)據(jù)，實現(xiàn)用戶感性認知與產(chǎn)品造型特征間的映射關系及數(shù)據(jù)轉(zhuǎn)換，從而指導設計實踐；但更偏向于獲取用戶對于產(chǎn)品整體造型的感性評價，缺乏對于產(chǎn)品造型特征中設計要素的具體描述和研究。因此，本文擬采用層次分析法和BP神經(jīng)網(wǎng)絡相結(jié)合，通過層次分析法確定基于用戶認知關系中各造型設計要素權(quán)重，以增加BP神經(jīng)網(wǎng)絡中輸入層各數(shù)值對應的產(chǎn)品設計要素的準確度，最終獲得更為客觀科學的造型設計要素和感性認知評價的量化關系模型。

1 研究方法與流程

1.1 感性工學

1970年，日本廣島大學的工學研究部將感性分析引入工學研究領域，稱為“情緒工學”。它是一種運用工程技術手段探討“人”的感性意象與“物”的設計特性兩者關系的理論及方法。在產(chǎn)品設計領域，它將“人”對“物”的感性意象定量、半定量地表達出來，并與產(chǎn)品設計特性相關聯(lián)，以實現(xiàn)在產(chǎn)品設計中體現(xiàn)“人”的感性意象，設計出符合“人”期望的產(chǎn)品。游艇的形態(tài)意象融合了其有形與無形的語言，使用者透過游艇的外觀造型感受到形態(tài)的象征意義，憑借形態(tài)主要的視覺特征元素可以構(gòu)建游艇的意象空間[10]。根據(jù)游艇的不同造型形式和造型元素，人會產(chǎn)生不同的視覺認知，這些造型形式或元素與人們對其產(chǎn)生的視覺認知具有一定的關聯(lián)性，通過定量分析挖掘它們之間的關聯(lián)性，可以在概念設計前期為企業(yè)和設計師提供不同造型元素下的用戶意象數(shù)據(jù)。

1.2 神經(jīng)網(wǎng)絡

神經(jīng)網(wǎng)絡則是一種類似于大腦神經(jīng)突觸連接的結(jié)構(gòu)進行信息處理的數(shù)學模型[11]。由于神經(jīng)網(wǎng)絡特有的非線性信息處理技術，使其具有良好的學習能力、非線性映射能力、泛化能力及容錯能力，有效地提高了對于直覺信息處理的能力，常用于建立輸入變量與輸出變量之間的復雜關系。而產(chǎn)品設計過程中產(chǎn)品的造型設計要素與消費者對產(chǎn)品的意象感知之間的關系屬于黑箱模型，不能被精確地描述，神經(jīng)網(wǎng)絡算法非常適用于建立這兩者之間的關系。

1.3 研究流程

基于BP神經(jīng)網(wǎng)絡的游艇造型設計研究流程：首先收集產(chǎn)品造型樣本和用戶感性詞匯；其次對產(chǎn)品的造型特征進行解構(gòu)，并通過層次分析法對設計要素權(quán)重進行計算，確定神經(jīng)網(wǎng)絡輸入端的產(chǎn)品造型設計要素集；以及通過聚類分析對收集的感性詞匯進行篩選，并進行感性詞匯評價，作為神經(jīng)網(wǎng)絡輸出端的數(shù)量值；最后構(gòu)建兩者之間的BP神經(jīng)網(wǎng)絡模型，通過網(wǎng)絡訓練得出最終訓練結(jié)果并進行分析，具體研究流程框架（圖1）。

圖1 研究流程框架

2 游艇樣本與造型設計要素分析

當前船舶類型大多以功能、尺寸、船體形態(tài)、動力推進系統(tǒng)等特征進行分類，其中游艇按尺寸大小可分為小型游艇，中型游艇、大型游艇。通過相關研究可知，小型游艇造型具有尺寸適中、船體較修長、上層建筑形式簡單等特點，更容易建立游艇造型設計要素與用戶對游艇意象感知兩者之間關系。同時，用戶在觀察游艇造型時主要分為前面、后面、側(cè)面和頂面四個特征面，前后兩個面的可見面積較小，而頂部觀察需要站在高點不易看到，而游艇側(cè)面相較前后兩面細節(jié)更豐富，較之頂面結(jié)構(gòu)性更強，因此用戶對游艇造型視覺觀察范圍更多以側(cè)面為主。綜合上述內(nèi)容，研究對象將著重以單層甲板的小型游艇側(cè)面特征為例進行游艇造型設計研究[12]。通過游艇商業(yè)公司的網(wǎng)站、雜志、圖片網(wǎng)站等，搜集大量運動型游艇案例的圖片，去除造型相同或者同質(zhì)化嚴重的案例得到40個樣本案例，為了剔除其他要素的干擾，對圖片進行去除背景、去色處理，確定游艇樣本（表1）。

表1 游艇樣本（部分）

通過對大量游艇樣本的造型抽象和總結(jié)，游艇側(cè)面造型主要是由上層建筑和船體兩個部分構(gòu)成。如對游艇側(cè)面造型進行簡化可將游艇上層建筑側(cè)面輪廓簡化為一個三角形或梯形，游艇船體的側(cè)面輪廓則可以簡化為一個四邊形[13]。雖然游艇的側(cè)面輪廓造型相對固定，但是輪廓內(nèi)的設計要素則變化豐富，構(gòu)建了不同的游艇造型特征，從而成為影響游艇整體視覺意象的主要要素。通過對游艇設計相關書籍的專業(yè)名詞查詢和游艇樣本進行造型拆解和總結(jié)，將影響游艇的設計要素分為以下幾個部分，上層建筑的要素包括：上層建筑舷窗、上層建筑頂輪廓線、前窗（前擋風）；船體的要素包括：舷弧線、船體舷窗、吃水線、艏側(cè)線、艉側(cè)線；附屬物則包括：雷達架、扶手欄[14]（圖2）。

圖2 游艇側(cè)視輪廓包含的設計要素

由于普通大眾對于游艇相關知識了解較淺，為保證研究結(jié)果的準確度，邀請具有游艇相關專業(yè)知識的研究人員3名、設計人員4名、銷售人員3名、以及資深用戶10名，組成共二十人的專家組，采用層次分析法統(tǒng)計各設計要素在游艇整體造型中對人的視覺感受所產(chǎn)生的影響力，提取在整體造型中對人的視覺具有影響力的因素。層次分析法是一種基于將復雜問題分解為若干層次和若干要素，進行定性和定量相結(jié)合的分析方法。并根據(jù)該設計要素所占整體側(cè)面積的比重、所處整體造型中的具體位置、是否對游艇輪廓造型產(chǎn)生重要影響等方面進行定性分析；根據(jù)各要素對于整體影響的重要度進行兩兩比較，采用1、3、5、7、9及其倒數(shù)對其重要程度進行記錄（以進行定量分析），并計算其平均值，確定各要素的權(quán)重定量值。根據(jù)層次分析法的要求，首先構(gòu)建多層級層次結(jié)構(gòu)模型，以理想的游艇造型設計方案為第一層級，游艇造型特征中上層建筑A、船體B、附屬物C為第二層級，分布于游艇側(cè)面的各個設計要素為第三層級（圖3）。

圖3 游艇多層級層次結(jié)構(gòu)圖

構(gòu)建各層級要素的判斷矩陣，并采用幾何平均法求解權(quán)重項量[15]：

對結(jié)果進行歸一化處理得到最終權(quán)重值:

根據(jù)判斷矩陣，求得各層級權(quán)重，并將各個單獨的子準則層權(quán)重值進行合成，各級權(quán)重及各要素綜合權(quán)重見表2。

表2 各要素綜合權(quán)重

根據(jù)層次分析法對各要素綜合權(quán)重的統(tǒng)計（定量分析）結(jié)果，去除綜合權(quán)重低于0.08的影響力微弱的設計要素，以提高設計要素和感性值量化模型的建立精度和效率。剩下權(quán)重較高的五個設計要素包括：舷弧線、上層建筑舷窗、船體舷窗、艏側(cè)線、艉側(cè)線。根據(jù)搜集的樣本對這些設計要素的造型分類進行提取，并采用線框圖的表現(xiàn)形式提取，基本型相同或相似的造型、構(gòu)成方式相同或相似的造型或線型相同或相似的造型，并對提取內(nèi)容進行歸納和分組。各設計要素及具體要素分類見表3。

表3 各設計要素分類

3 感性詞匯與游艇造型感性評價

意象是指能即時被感覺器官所感知的，對事物（如物體、事件、場景）的心理表征。意象是人的一種意識活動，它通過人的多重感官所激發(fā)，形成人對產(chǎn)品的某種風格認知，因此它是主觀的；但當人們具有相似的教育背景和專業(yè)知識時，其對美學的認知則具有一定的規(guī)律性。

基于前期搜集的游艇樣本，通過邀請游艇用戶進行訪談和問卷調(diào)研，搜集用戶對于游艇整體造型的風格認知詞匯，獲取用戶對于游艇的感性認知詞匯群。首先運用聚類分析法，用戶根據(jù)自我認知對詞匯群進行分類，被分作同一類的次數(shù)作為評判兩者之間相似程度的標準，分類結(jié)果見表4；然后構(gòu)建相似程度矩陣和距離矩陣，對獲得的結(jié)果運用SPSS(Tatistical Product and Service Solutions)軟件的交替最小分差法，分析模型的擬合情況，再用離差平方和法（Ward）和歐式距離法進行層次聚類分析，得知聚類距離3以上的結(jié)果穩(wěn)定，說明3為合適的分類數(shù)目，再使用K均值聚類分析；最終得出三組詞匯分類，從中篩選出具有代表性的三個詞匯：動感、奢華、流線，找出與這三個詞匯意義相反的對應詞匯，建立三組具有相對應意義的代表性詞匯組，分別為：V2動感的—沉穩(wěn)的，V11奢華的—簡約的和V21流線的—方正的。

表4 問卷調(diào)研（部分）

根據(jù)前期篩選的游艇樣本和三組代表性詞匯組，結(jié)合語意差異法設計問卷調(diào)查表，來測量用戶對于產(chǎn)品造型的感性評價值。采用七級量表：即數(shù)值1～7來代表感性評價值，例如某樣本展示“動感的”感性意象評價越強，越接近量表數(shù)值1；“沉穩(wěn)的”感性意象評價越強，則越接近量表數(shù)值7；若樣本對于兩個意象詞匯評價相對均衡，則越接近量尺的中間數(shù)值4。發(fā)放150份問卷，收回有效問卷136份，匯總得出各個樣本的感性詞匯組評價均值（表5）。

表5 感性詞匯評價均值

4 建立BP神經(jīng)網(wǎng)絡

4.1 神經(jīng)網(wǎng)絡構(gòu)建

BP神經(jīng)網(wǎng)絡又稱為誤差反向傳播神經(jīng)網(wǎng)絡，它是一種多層的前向型神經(jīng)網(wǎng)絡，具有很強的映射能力，能夠?qū)哂杏邢迋€不連續(xù)點的函數(shù)進行逼近。BP神經(jīng)網(wǎng)絡通常具有一個或多個隱藏層、輸入層以及輸出層組成，選取最簡單的三層神經(jīng)網(wǎng)絡，輸入層為各游艇樣本的造型特征要素，共有游艇樣本40個，因此輸入層的節(jié)點數(shù)為40；輸出層為基于典型感性詞匯的感性評價值，共有三個感性詞匯，節(jié)點數(shù)為3；隱含層的作用是通過學習訓練樣本挖掘樣本中的內(nèi)在規(guī)律并將其轉(zhuǎn)化成權(quán)值的形式存儲，各個節(jié)點包括若干權(quán)值，每一個權(quán)值都是增強網(wǎng)絡映射能力的一個參數(shù)[16]，隱含層節(jié)點數(shù)的確定一般采用公式（4）：

其中，為隱含層節(jié)點數(shù)，為輸入層節(jié)點數(shù)，為輸出層節(jié)點數(shù)，為隨機常數(shù)1～10。

根據(jù)公式（4）確定隱含層節(jié)點數(shù)，以此建立神經(jīng)網(wǎng)絡；經(jīng)過反復訓練，直到輸出端數(shù)值與理想值（即基于調(diào)研結(jié)果的感性評價值）之差接近最小時停止訓練，得到兩者之間的關系映射模型。

4.2 樣本編碼

由于樣本設計要素無法直接作為輸入?yún)?shù)，根據(jù)各要素的造型分類表中的順序，對輸入端的各個樣本進行編碼。研究采用定量分析法中的開關式名義法對樣本造型要素進行編碼，以“0”和“1”兩個數(shù)字構(gòu)成，造型要素的類型數(shù)量為編碼長度，本文中共有21個造型特征要素，因此有21位編碼，與樣本造型一致的要素編碼位置標記為1，不一致標記為0，例如樣本1：其對應的造型要素分別為造型分類表中編碼X11、X21、X34、X44、X51，因此其編碼為100010000001000001100，依照此方法對所有樣本進行編碼，然后作為輸入端數(shù)據(jù)。

4.3 綜合權(quán)值計算

根據(jù)上文，最終選取綜合權(quán)值大于0.08的要素分別為：A1、B1、B3、B4、B5，對應要素的綜合權(quán)重為：0.20、0.23、0.14、0.08、0.08。為了更接近結(jié)果的客觀性，對這五個要素再進行一次歸一化，帶入到BP神經(jīng)網(wǎng)絡模型中，用來標記每個造型要素對于整體造型感性評價中的貢獻度，歸一化結(jié)果按照各設計要素及造型分類表的排列順序依次為：0.32、0.27、0.19、0.11、0.11。

4.4 輸出層歸一化處理

一般要求輸出數(shù)據(jù)進行歸一化處理，使得數(shù)據(jù)結(jié)果落在[-1，1]區(qū)間，取消各變量數(shù)量級的差別，采用線性轉(zhuǎn)換算法對其進行歸一化處理，公式如下（5）：

4.5 網(wǎng)絡訓練

采用matlab軟件進行網(wǎng)絡構(gòu)建。應用newff（）函數(shù)創(chuàng)建BP神經(jīng)網(wǎng)絡，f輸入處理后的數(shù)據(jù)，訓練樣本的目標向量被定義成一個3×40的矩陣T，將21個布爾量元素的輸入向量定義成一個1×40的輸入矩陣X，并對21個布爾量進行權(quán)重配置，依據(jù)上文所得，前四個布爾量權(quán)重為0.32，第二要素的布爾量權(quán)重為0.27，依次類推分別為0.19、0.11、0.11；訓練函數(shù)采用trainlm（梯度下降法），訓練次數(shù)1000次，代碼為net.trainParam.epochs=1000，誤差0.0001，代碼為net.trainParam.goal=0.0001。經(jīng)過多次訓練，當隱含層數(shù)為10時，訓練次數(shù)為8，BP神經(jīng)網(wǎng)絡達到最小誤差值，獲得神經(jīng)網(wǎng)絡訓練的誤差變化曲線圖（圖4）。

圖4 誤差變化曲線圖

誤差變化曲線圖相當于一個訓練評價標準，主要反映出數(shù)據(jù)開始訓練之后會自動分成三份，train代表訓練數(shù)據(jù)、validation代表驗證數(shù)據(jù)、test則代表了測試數(shù)據(jù)，當三條曲線接近時則反映模型訓練性能到達（best）最佳效果，則（goal）目標停止訓練，得到最終BP神經(jīng)網(wǎng)絡模型。

為驗證收斂的BP神經(jīng)網(wǎng)絡的可靠性，需采用均方誤差MSE函數(shù)對樣本數(shù)據(jù)進行檢測，以分析該神經(jīng)網(wǎng)絡算法是否存在誤差；MSE值越小，越能說明該模型描述實驗數(shù)據(jù)越精確。MSE函數(shù)表達為式（6）：

具體代碼為：

y=sim(net，P);E=Ty;display(E);MSE=mse(p)；經(jīng)過計算MSE的數(shù)值為0.0087小于0.01可證明該模型可靠。

4.6 量化模型測試

為驗證該量化模型的可行性與準確性，邀請專業(yè)游艇設計師結(jié)合游艇設計要素分類，設計了三款小型游艇方案作為測試樣本（見圖5）。

圖5 三款測試方案

具體測試方法如下：以方案一為例，根據(jù)設計要素分類表可知構(gòu)成該方案的設計要素編碼為：X14、X22、X33、X44、X53，將設計要素分類編碼轉(zhuǎn)換為輸入碼：000101000010000001001。利用訓練好的神經(jīng)網(wǎng)絡對該游艇方案進行評價，具體代碼為：P1=[0;0;0;1;0;1;0;0;0;0;1;0;0;0;0;0;0;1;0;0;1];y1=sim(net，P1);display(y1)，得到的感性意象量化值為：2.132、1.427、1.182。同理可得出方案二和方案三的感性意象量化值。此外邀請目標用戶采用語義差異法7級量表對三款設計方案進行感性意象評價，得到感性意象評價值。將預測模型輸出的感性意象量化數(shù)據(jù)與目標用戶評價數(shù)據(jù)進行對比結(jié)果（表6）。預測模型輸出的感性意象量化數(shù)據(jù)與實際用戶評價所得的評價數(shù)據(jù)誤差很小，說明該量化模型預測精度及可行性較高。

表6 模型量化數(shù)據(jù)與用戶評價數(shù)據(jù)對比

5 結(jié)語

用戶對于游艇造型的情緒感知和個性化需求是一個難以在產(chǎn)品開發(fā)前期通過觀察、問卷等傳統(tǒng)調(diào)研方法確定的內(nèi)容。因此，本研究通過對游艇造型特征構(gòu)成要素進行分析，采用層次分析法對各要素綜合權(quán)重進行計算，得出影響游艇造型特征綜合權(quán)重較高的五個游艇設計要素；并將各設計要素進行分類，按照不同要素分類之間相互組合，共有4×4×6×4×3=1152種游艇造型組合方式；并結(jié)合用戶對游艇造型感性意象認知和感性意象評價均值，建立能夠預測游艇造型意象的BP神經(jīng)網(wǎng)絡量化模型。該量化模型能為設計師和企業(yè)在游艇概念設計階段，為不同設計要素組合形式的游艇造型預估感性意象量化值，也可以通過設計意象目標選取最優(yōu)的設計要素組合方案；增加在產(chǎn)品開發(fā)過程的準確性，使得游艇造型特征更鮮明，更貼近用戶的感性需求，提高游艇造型設計的成功率。