張家祺，王國華，張艷

（河北工業(yè)大學(xué)，天津 300131）

近年來，許多新興電動汽車品牌不斷涌現(xiàn)，傳統(tǒng)汽車品牌也紛紛開始設(shè)計并推出電動汽車。在汽車設(shè)計中，設(shè)計者常利用造型創(chuàng)新和品牌知名度來提升產(chǎn)品的市場表現(xiàn)[1]，讓新產(chǎn)品得到消費者認(rèn)可。因此電動汽車外型創(chuàng)新和品牌發(fā)展的研究越來越受重視。在造型創(chuàng)新的研究中，李勇等[2]通過對比傳統(tǒng)燃油車和概念電動車的造型分析了當(dāng)前電動汽車的發(fā)展瓶頸和趨勢，鄧亞林等[3]對不同平臺的電動汽車特征線進(jìn)行對比，分析了未來電動汽車的設(shè)計特點，李勇等[4]從設(shè)計的比例和曲面風(fēng)格等角度對電動汽車進(jìn)行設(shè)計分析，但就目前電動汽車造型和風(fēng)格而言，多數(shù)車型仍沿用傳統(tǒng)燃油車的外觀造型。在品牌發(fā)展的研究中，為保持已有品牌的繼承性，趙靜等[5]對有關(guān)電動汽車品牌的設(shè)計特征進(jìn)行了研究，張文泉等[6]研究了品牌發(fā)展與汽車造型特征間的關(guān)系，趙丹華等[7]研究了汽車品牌與造型風(fēng)格的語義表達(dá)，以指導(dǎo)設(shè)計。隨著消費觀念進(jìn)入感性消費時代，以下幾方面的問題仍需繼續(xù)研究：（1）電動汽車的創(chuàng)新設(shè)計應(yīng)能迎合消費者的需求；（2）電動汽車在自身的設(shè)計中能夠塑造品牌全新的視覺形象和可識別性；（3）電動汽車的續(xù)航能力受自身氣動阻力的影響較大，需要符合良好的氣動性能要求?；谝陨戏治?，本文提出了一種基于偏好與形狀文法的電動汽車形態(tài)設(shè)計方法。引入原型范疇理論研究消費者偏好，從偏好的角度探究電動汽車外形的創(chuàng)新設(shè)計，結(jié)合參數(shù)化形狀文法研究偏好和品牌識別的設(shè)計要求，利用計算流體動力學(xué)（CFD）分析方法進(jìn)行模擬仿真分析。

1 原型偏好模型

1.1 原型范疇理論與消費者偏好

原型范疇理論起源于家族相似性理論。1973 年Rosch 提出了原型概念[8]，認(rèn)為范疇化的方式是原型概念，而原型概念在范疇中最具代表性和典型性，可以作為其他成員在范疇中的認(rèn)知參照點[9]，并提出了原型范疇理論。原型范疇理論認(rèn)為范疇是根據(jù)成員間的典型特征建立的，具有模糊邊界，且同一范疇的成員中有中心成員和邊緣成員的區(qū)分。認(rèn)知參照點就屬于范疇中的中心成員，具有范疇中的典型特征。

基于原型范疇理論，李然等[10]針對類型成員的劃分建立了不同車型的分類方法，范馨月[11]研究了中英概念隱喻對比并取得了較好的研究成果。認(rèn)知心理學(xué)研究認(rèn)為，與感官感覺相比，偏好是更高層次的認(rèn)知[12]，反映出人的喜好和興趣，因此將原型范疇理論引入對消費者偏好的研究，建立關(guān)于偏好的原型范疇，確定中心成員作為偏好研究的認(rèn)知參照點。關(guān)于偏好的原型范疇的特點如圖1 所示。

圖1 關(guān)于偏好的原型范疇Fig.1 On the archetype category of preference

在注重以人為本的今天，從原型范疇的角度研究消費者偏好，為提高用戶滿意度提供了新的思路。

1.2 原型偏好模型的構(gòu)建

選擇電動汽車樣本對消費者偏好進(jìn)行調(diào)查，將汽車的整體設(shè)計分解為幾種不同的設(shè)計特征并進(jìn)行組合排列。采用聯(lián)合分析方法[13]分析消費者偏好，將偏好數(shù)據(jù)量化為設(shè)計特征和特征水平的衡量標(biāo)準(zhǔn)[14]，如表1 所示。

表1 設(shè)計特征和特征水平Tab.1 Design features and features levels

將貢獻(xiàn)率最高的特征水平確定為關(guān)于偏好的原型范疇中的認(rèn)知參照點。范疇中貢獻(xiàn)率高的成員越接近認(rèn)知參照點，而較低者則遠(yuǎn)離認(rèn)知參照點[15]，越遠(yuǎn)離范疇中心對提升用戶滿意度的效果也就越小。結(jié)合設(shè)計特征的權(quán)重和特征水平的貢獻(xiàn)率建立原型偏好模型。結(jié)合表1，原型偏好模型的表達(dá)式如下：

2 參數(shù)化形狀文法

形狀文法最初由George Stiny 和James Gips 提出，被應(yīng)用于建筑設(shè)計領(lǐng)域后逐漸擴(kuò)展到品牌識別和工業(yè)設(shè)計領(lǐng)域[16]。形狀文法的規(guī)則分為生成性規(guī)則和修改性規(guī)則，生成性規(guī)則用于確定初始形狀，修改性規(guī)則是在初始造型上進(jìn)行調(diào)節(jié)變換。形狀文法的規(guī)則根據(jù)具體的設(shè)計要求進(jìn)行提取與制定，規(guī)則應(yīng)用靈活，因此它的適用范圍才逐漸得到擴(kuò)展。

參數(shù)化形狀文法[17]是指對形狀文法的規(guī)則變化進(jìn)行參數(shù)化表達(dá)，通過算法應(yīng)用規(guī)則實現(xiàn)自動生成和變化。Jowers 等[18]建立了特定算法應(yīng)用于形狀文法規(guī)則的自動進(jìn)化；Lee 等[19]利用算法框架應(yīng)用于形狀文法生成性規(guī)則的自動進(jìn)化，但同時也提出，形狀文法規(guī)則在自動進(jìn)化過程中設(shè)計師無法進(jìn)行規(guī)則的有效制定和控制[20]，規(guī)則應(yīng)用不夠靈活。因此，本文利用貝塞爾曲線方法描繪設(shè)計特征線并標(biāo)記曲線的硬點和控制點，約束硬點間的位置關(guān)系，作為形狀文法修改性規(guī)則約束；設(shè)置因子閾值控制坐標(biāo)點的變化空間，提高形狀文法修改性規(guī)則的應(yīng)用靈活性，結(jié)合交互式遺傳算法建立規(guī)則的自動進(jìn)化系統(tǒng)。

2.1 修改性規(guī)則約束

分別以原型偏好模型和品牌識別的要求作為形狀文法修改性規(guī)則的約束條件。具體方式為：通過對有限個貝塞爾曲線坐標(biāo)點位置關(guān)系的約束，完成對某種具體的特征水平造型和品牌識別造型的形狀約束。例如，某品牌的設(shè)計要求為具有較扁平的六邊形格柵造型特征，如圖2 所示。

圖2 坐標(biāo)點約束Fig.2 Coordinate point constraints

對坐標(biāo)點做如下規(guī)則約束：

在基于原型偏好模型的修改性規(guī)則約束中，如將原型偏好模型中某一個特征水平E2作為修改性規(guī)則約束，E2對應(yīng)的特征水平為不規(guī)則前燈造型，如圖3所示。

圖3 車燈坐標(biāo)點約束Fig.3 Coordinate point constraints of car light

對修改性規(guī)則做如下坐標(biāo)點約束：

以修改性規(guī)則約束確保形狀文法的自動進(jìn)化過程中變化結(jié)果能夠符合模型中偏好特點和品牌識別的要求，提高設(shè)計滿意度。

2.2 偏好因子和品牌因子

基于原型偏好模型設(shè)置偏好因子，利用偏好因子的閾值調(diào)節(jié)以原型偏好模型為修改性規(guī)則約束的特征曲線上坐標(biāo)點的變化空間[21]，坐標(biāo)點變化空間如圖4 所示。

圖4 坐標(biāo)點變化空間Fig.4 Coordinate point change space

在品牌因子閾值的設(shè)置中，較大的閾值會使形狀文法自動進(jìn)化失去品牌原有的特征，不利于品牌影響力的延續(xù)和發(fā)展，適當(dāng)?shù)拈撝荡笮】杀ＷC品牌識別特征在下一代設(shè)計中繼續(xù)保持。而偏好因子是指調(diào)節(jié)除品牌識別特征外其他特征造型的變化空間，較大的閾值有利于形態(tài)的設(shè)計創(chuàng)新，但具有更大的設(shè)計自由的同時基于原型偏好模型的修改性規(guī)則約束也隨之降低。適當(dāng)?shù)拈撝翟O(shè)置能在有限的進(jìn)化代數(shù)內(nèi)完成符合約束的進(jìn)化，讓受到消費者偏好的設(shè)計特點仍能夠繼續(xù)保持。因此，需要通過兩種因子的閾值設(shè)置權(quán)衡創(chuàng)新設(shè)計和品牌識別兩方面要求。

3 基于偏好與形狀文法的電動汽車設(shè)計流程

汽車的設(shè)計可以被定義為從一系列的描繪逐漸走向現(xiàn)實的過程，細(xì)節(jié)最佳化的流程[23]多用于燃油車型的迭代設(shè)計。空氣動力學(xué)研究表明，整體最佳化的設(shè)計[24]容易獲得更好的風(fēng)阻表現(xiàn)。因此，利用原型范疇理論和消費者偏好，構(gòu)建原型偏好模型并將形狀文法進(jìn)行參數(shù)化應(yīng)用，通過修改性規(guī)則約束和因子的閾值設(shè)置權(quán)衡設(shè)計創(chuàng)新和品牌識別的設(shè)計要求，用于電動汽車外形特征的設(shè)計[25]，建立從理想低風(fēng)阻體到具體樣式優(yōu)化的整體最佳化設(shè)計流程。具體研究框架如圖5 所示。

圖5 研究框架Fig.5 The frame of research

3.1 原型偏好模型構(gòu)建

收集電動汽車樣本，對電動汽車形態(tài)分析從正面和側(cè)面拆分設(shè)計特征，如圖6 所示。

圖6 正面及側(cè)面特征Fig.6 Front and side features

對消費者進(jìn)行偏好調(diào)查。將偏好調(diào)查數(shù)據(jù)結(jié)合設(shè)計特征的正交設(shè)計在spss 中進(jìn)行聯(lián)合分析，分析設(shè)計特征的權(quán)重和特征水平的貢獻(xiàn)率，根據(jù)式（1）建立認(rèn)知參照點的原型偏好模型表達(dá)式。

3.2 參數(shù)化形狀文法

選擇權(quán)重值高的設(shè)計特征，根據(jù)調(diào)查樣本中的研究對象，利用貝塞爾曲線工具對高貢獻(xiàn)率特征水平對應(yīng)的造型進(jìn)行設(shè)計特征線的描繪。對于n個給定點Pi，N階貝塞爾曲線的表達(dá)式如下：

根據(jù)式（1）建立的原型偏好模型，選擇模型中對應(yīng)的特征水平標(biāo)記硬點和控制點。曲線硬點標(biāo)記為P點，控制點標(biāo)記為C點，如圖7 所示。

圖7 貝塞爾曲線的坐標(biāo)點Fig.7 Coordinate points of Bezier curve

根據(jù)原型偏好模型中的特征水平制定相應(yīng)的修改性規(guī)則約束，同時結(jié)合實際設(shè)計中的品牌特征要求，建立對品牌特征設(shè)計的修改性規(guī)則約束。以偏好因子和品牌因子的閾值設(shè)置調(diào)節(jié)修改性規(guī)則的坐標(biāo)點變化空間，結(jié)合交互式遺傳算法建立輔助設(shè)計系統(tǒng)。

相關(guān)研究表明，前臉設(shè)計特征中格柵造型對汽車品牌識別的影響較為重要[26]。因此，針對格柵造型的變化，基于品牌識別的要求設(shè)置修改性規(guī)則約束，其他設(shè)計特征則基于原型偏好模型設(shè)置修改性規(guī)則約束。

3.3 設(shè)計系統(tǒng)構(gòu)建

電動汽車的造型分解為前臉和正側(cè)兩方面共M個設(shè)計特征，每一個特征采用h位二進(jìn)制數(shù)進(jìn)行編碼，設(shè)計特征的多聯(lián)級編碼形式如下[27]：

圖8 坐標(biāo)向量構(gòu)建Fig.8 Coordinate point vector

當(dāng)n=a，設(shè)計特征的部分適應(yīng)值函數(shù)表達(dá)式如下：

當(dāng)n=b，設(shè)計特征的部分適應(yīng)值函數(shù)表達(dá)式如下：

算法過程如圖2 所示。結(jié)束進(jìn)化后輸出滿意解的坐標(biāo)點坐標(biāo)并描繪出對應(yīng)的造型特征。

3.4 模擬仿真分析及用戶滿意度對比分析

根據(jù)運算結(jié)果獲得的曲線硬點坐標(biāo)進(jìn)行特征線描繪并以側(cè)面特征線為基礎(chǔ)構(gòu)建理想低風(fēng)阻體模型，利用CFD（Computation Fluid Dynamics）分析方法進(jìn)行模擬仿真。

以側(cè)面特征線為基礎(chǔ)，忽略后視鏡、門把手、車燈等車身附件，完成理想低風(fēng)阻體的幾何簡化建模。使用ANSYS 有限元分析軟件分析模型，通過后處理程序觀察流場中的現(xiàn)象，完成有關(guān)性能的預(yù)測。在仿真分析中，利用有限計算域模擬無限計算域。有限計算域一般為遠(yuǎn)大于模型尺寸的固定計算域，設(shè)置空氣從遠(yuǎn)處以恒定速度流入形成定常流，模擬車身行駛時的正風(fēng)情況[28]。完成網(wǎng)格化、流場條件設(shè)置和迭代計算達(dá)到收斂條件后，對模型的表面壓力和速度矢量進(jìn)行分析，依據(jù)分析結(jié)果對理想低風(fēng)阻體進(jìn)行局部細(xì)節(jié)的優(yōu)化。

在理想低風(fēng)阻體的基礎(chǔ)上結(jié)合進(jìn)化結(jié)果對前臉造型進(jìn)行具體樣式優(yōu)化，完成正面和側(cè)面設(shè)計效果的具體表現(xiàn)后，對最終設(shè)計效果從外觀偏好和前臉設(shè)計特征的可識別性兩方面進(jìn)行用戶滿意度評價，結(jié)合已有的品牌車型進(jìn)行用戶滿意度的對比分析，驗證設(shè)計效果。

4 設(shè)計實例

4.1 原型偏好模型分析

搜集多家主流電動汽車品牌的電動汽車樣本共136 個，選擇設(shè)計研究人員進(jìn)行樣本分層分組實驗，將外形特征差異不明顯的歸為同類，最終選擇28 個差異化樣本用作后續(xù)研究。部分樣本如圖9 所示。

圖9 部分樣本圖片F(xiàn)ig.9 Some sample pictures

對28 個差異化樣本從前臉和側(cè)面分別進(jìn)行設(shè)計特征拆分，通過設(shè)計研究人員的3 輪層次分析實驗，最終將外形設(shè)計特征拆分成前燈、格柵、下前圍、立體度、車頭比例、腰線、車頂線共7 個方面的設(shè)計特征，如圖10 所示。

圖10 設(shè)計特征Fig.10 Design features

針對30 歲以下的青年消費者發(fā)放問卷調(diào)查，經(jīng)篩選共計得到有效問卷106 份，將調(diào)查數(shù)據(jù)結(jié)合樣本的正交設(shè)計在SPSS 中進(jìn)行分析，分析的具體結(jié)果如表2 所示。

表2 聯(lián)合分析結(jié)果Tab.2 Joint analysis results

分析結(jié)果表明，前燈和格柵的設(shè)計特征權(quán)重較高，是體現(xiàn)前臉形態(tài)造型的關(guān)鍵部件，針對車前燈和格柵的形態(tài)設(shè)計，需進(jìn)一步結(jié)合電動汽車區(qū)別于傳統(tǒng)燃油車的屬性進(jìn)行優(yōu)化設(shè)計。側(cè)面特征方面，車頭造型比例和車頂線權(quán)重值較高，車頭比例和車頂線能體現(xiàn)出側(cè)面造型比例和車身走勢，因此對體現(xiàn)整體車身形態(tài)更重要。根據(jù)式（1），β取1，認(rèn)知參照點對應(yīng)的原型偏好模型表達(dá)式如下：

4.2 形狀文法參數(shù)化應(yīng)用

使用矢量繪圖軟件AI（Illstrator）對28 個樣本正面和側(cè)面的設(shè)計特征線進(jìn)行初步描繪，如表3 所示。

表3 特征線提取Tab.3 Feature extraction

4.3 基于交互式遺傳算法的輔助設(shè)計系統(tǒng)

基于交互式遺傳算法建立輔助設(shè)計系統(tǒng)并在MATLAB 軟件中運行程序，交互界面如圖11 所示。

圖11 程序交互界面Fig.11 Program interface

表4 特征線描繪和修改性規(guī)則約束Tab.4 Characteristic line drawing and modification rule constraints

表5 部分滿意解坐標(biāo)參數(shù)Tab.5 Parts of satisfactory solution coordinate parameters

4.4 模擬仿真分析及具體樣式優(yōu)化

根據(jù)滿意解坐標(biāo)參數(shù)描繪進(jìn)化得到的造型特征線，首先基于側(cè)面特征線建立理想低風(fēng)阻體的三維模型并進(jìn)行有限元分析，特征線如圖12 所示。

圖12 滿意解的特征線描繪Fig.12d Characteristic line depiction of satisfactory solution

在有限元分析的相關(guān)條件設(shè)置中，流場區(qū)域的橫向空間為10 倍的車身長度，寬度為3 倍的車身寬度，縱向空間為3 倍的車身高度，風(fēng)速為20 m/s。使用mesh 工具對模型進(jìn)行網(wǎng)格劃分，湍流模型選擇k-epsilon(2 eqn)，選擇Second Order Upwind 方程進(jìn)行計算[30]。結(jié)果采用CFD-post 進(jìn)行后處理，查看分析結(jié)果。車身壓力云圖分布狀況，見圖13。

圖13 壓力分布Fig.13 Pressure distribution

前后壓力差是組成車身總阻力的主要部分，由圖13 可知車身壓力分布整體較為均勻，車頭接受來自前方的氣流阻滯靜壓達(dá)到最大為22.386e pa。其中較大的負(fù)壓區(qū)域來自前輪邊緣，機(jī)頂蓋和車頂部分有較小的負(fù)壓區(qū)域。氣流走勢見圖14，氣流經(jīng)過前輪保險杠時與車身分離明顯，形成明顯的負(fù)壓區(qū)，根據(jù)分析可對前輪的保險杠拐角部分做進(jìn)一步優(yōu)化。速度矢量見圖15，氣流在經(jīng)過前臉及前擋風(fēng)玻璃時流速下降，在機(jī)蓋和車頂處流速加快，到達(dá)車輛尾部時產(chǎn)生渦旋。因此，后尾部保險杠部分和前保險杠部分可通過進(jìn)一步修改細(xì)節(jié)進(jìn)行整體優(yōu)化，同時前機(jī)蓋也可以適當(dāng)降低，優(yōu)化車身流場表現(xiàn)。

圖14 氣流走勢線Fig.14 Airflow trend line

圖15 速度矢量Fig.15 Velocity vector

將前保險杠部分的拐角調(diào)整圓滑，模型前機(jī)蓋降低，后保險杠部分向外調(diào)整，再次在相同的條件下進(jìn)行分析，結(jié)果見圖16。最大壓力降為22.36e pa，模型上最高空氣流速由25.92m/s 降低為24.64m/s。

圖16 優(yōu)化后的分析結(jié)果Fig.16 Analysis result after optimization

在理想低風(fēng)阻體的基礎(chǔ)上，根據(jù)得到的前臉特征線完成二維效果圖優(yōu)化，整體效果見圖17。

圖17 設(shè)計效果Fig.17 Design effect

4.5 用戶滿意度對比分析

將市場中已有的2019 款奧迪Q2L e-tron 作為對象1，最終設(shè)計效果作為對象2 進(jìn)行對比評價實驗，邀請之前受試者中的33 人再次對設(shè)計方案的效果進(jìn)行偏好和品牌識別兩方面的滿意度評價，統(tǒng)計結(jié)果見圖18。

圖18 評價結(jié)果的頻數(shù)分布直方圖Fig.18 Frequency distribution histogram of evaluation results

圖18 中橫坐標(biāo)表示樣本得到的評價分值，縱坐標(biāo)表示方案得到某分值的頻率。根據(jù)2 周期移動平均趨勢線分析可知，對象1 的外觀偏好和品牌可識別性評價得分集中在4～5 分，對象2 的2 周期移動平均趨勢線則較為靠右，得分集中在5～6 分，因此對象2 的用戶滿意度優(yōu)于對象1。通過與已有車型的對比評價分析可知，大多數(shù)用戶對設(shè)計效果比較滿意，評價分值相對較高，用戶的整體滿意度相比原來的車型有所提高。

5 結(jié)語

當(dāng)前的電動汽車設(shè)計，正在探索如何擺脫燃油車設(shè)計的束縛以形成自己的電動化設(shè)計語言，許多品牌已經(jīng)做出有益的嘗試。但汽車作為成本大且系統(tǒng)化極高的產(chǎn)品，設(shè)計也不能盲目創(chuàng)新，需要綜合考慮消費者的偏好和可接受的程度，使品牌既可以得到傳承又能讓產(chǎn)品在市場中得到消費者的認(rèn)可。本文結(jié)合原型范疇理論從偏好的角度進(jìn)行創(chuàng)新設(shè)計研究，利用參數(shù)化形狀文法建立了輔助設(shè)計系統(tǒng)，提高了設(shè)計效率。通過具體案例驗證了所提設(shè)計方法的可行性，相比于已有車型，設(shè)計的用戶滿意度有所提高，對傳統(tǒng)汽車品牌在電動化領(lǐng)域的發(fā)展具有一定的借鑒意義。