李潔　張曉靜　楊杰

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

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

隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、人工智能等新興信息技術(shù)與設(shè)計方法理論的融合發(fā)展，如今的設(shè)計不僅要創(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)品附加價值提升的關(guān)鍵；因此，如何通過設(shè)計實(shí)現(xiàn)情感傳達(dá)成為眾多設(shè)計師關(guān)注的問題?；诟行怨W(xué)的意象造型設(shè)計作為合目的性的形態(tài)設(shè)計方法，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，給人帶來良好的審美體驗(yàn)[1]。本文首先對產(chǎn)品感性意象造型設(shè)計的概念和流程進(jìn)行了簡單介紹，其次重點(diǎn)對意象造型設(shè)計各個步驟所使用到的方法進(jìn)行了梳理和歸納，最后，通過文獻(xiàn)綜述法將意象造型設(shè)計應(yīng)用及研究的現(xiàn)狀歸納總結(jié)分為三個方向：多目標(biāo)/多主體的造型設(shè)計、造型進(jìn)化設(shè)計、意象形態(tài)融合造型設(shè)計。

一、產(chǎn)品意象造型設(shè)計與感性工學(xué)

產(chǎn)品意象造型設(shè)計起源于感性工學(xué)的方法。Kansei（感性）意為主觀印象和情感，感性工學(xué)通過定性和定量的方法分析消費(fèi)者感性信息，將消費(fèi)者對于產(chǎn)品的感性信息與產(chǎn)品設(shè)計元素匹配對應(yīng)起來，按照用戶的意象目標(biāo)選擇對應(yīng)的產(chǎn)品設(shè)計元素，以設(shè)計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)計元素的類別；（二）使用計算機(jī)技術(shù)等收集大量用戶數(shù)據(jù)并建立數(shù)據(jù)庫；（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)計元素組合。一般來說，感性工學(xué)在產(chǎn)品設(shè)計領(lǐng)域中的研究對象通常包括產(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。

產(chǎn)品意象是人對物的心理上的期待感受，意象造型設(shè)計正是以人的情感意象為目標(biāo)，通過形態(tài)要素的不同搭配就可以實(shí)現(xiàn)不同的意象美，此時設(shè)計出的產(chǎn)品意象承載了用戶的情感和期待。意象造型設(shè)計的研究流程與感性工學(xué)相似，一般分為四個階段：建立初始意象語意空間和樣本庫、確定優(yōu)勢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、建立用戶感性詞匯與產(chǎn)品形態(tài)元素與的對應(yīng)關(guān)系并提出設(shè)計策略、根據(jù)策略進(jìn)行產(chǎn)品意象優(yōu)化設(shè)計（如圖1）。意象造型設(shè)計的過程涵蓋了用戶與設(shè)計師雙邊信息的傳遞與推理，設(shè)計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)計流程

產(chǎn)品意象造型設(shè)計和研究過程中有4個關(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)計素的對應(yīng)關(guān)系。

（一）搜集并確定代表性樣本

圖片收集法。主要通過查閱相關(guān)書籍、論文、期刊雜志、購物平臺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等計算機(jī)軟件建模生成虛擬產(chǎn)品樣本圖片[5]。

聚類分析法，在沒有先驗(yàn)知識的情況下通過調(diào)查問卷獲取樣本分類數(shù)據(jù)，對數(shù)據(jù)進(jìn)行聚集將樣本劃分為不同的類型，每一類樣本中距離類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值的數(shù)值對樣本進(jìn)行分類[4]31。

多維尺度法，可以找到?jīng)Q定多個樣本的少數(shù)幾個潛在因素，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)計項(xiàng)目），尋找各組成部分的可變要素（設(shè)計類目），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)，通過移動中間點(diǎn)的位置來調(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。

眼動實(shí)驗(yàn)法。通過追蹤眼球運(yùn)動的路徑和時間獲取眼動的熱力圖、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，再從比例關(guān)系、形態(tài)特征、相對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)計師和相關(guān)專家對產(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)測量法。因?yàn)閷Σ煌漠a(chǎn)品人的生理上會不自覺的做出不同的反應(yīng)[7]，因此生理變化信息能科學(xué)理性的反映出用戶對產(chǎn)品造型的感受。該方法主要采用心電儀、眼動儀、腦電波測量儀、功能性磁共振成像儀、面部動作編碼系統(tǒng)等設(shè)備測量人類的眼動信息、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)值能反映用戶面對不同產(chǎn)品時的不同感受。

心理學(xué)測量法。采用語義差分法或李克特量表開展問卷調(diào)研，讓用戶使用數(shù)值來表達(dá)對產(chǎn)品造型意象的傾向程度，對收集的用戶評價數(shù)據(jù)運(yùn)用因子分析法、聚類分析法、主成分分析等統(tǒng)計學(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。

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

文本挖掘法。使用網(wǎng)絡(luò)爬蟲等計算機(jī)技術(shù)在網(wǎng)頁上獲取對目標(biāo)產(chǎn)品的評價文字，通過去重、分詞處理后統(tǒng)計詞頻，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)對信息的處理機(jī)制，具備自動提取特征的特性[8]。一般是通過問卷獲得產(chǎn)品意象評價數(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，通過該模型能預(yù)測出用戶對特定產(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，從計算機(jī)算法、創(chuàng)新理論、統(tǒng)計學(xué)等學(xué)科提出不同的方法。

基于計算機(jī)算法的映射關(guān)系構(gòu)建。計算機(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，對初始樣本的形態(tài)設(shè)計元素進(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）是一種層次分析法，先分析出用戶對產(chǎn)品造型的需求，再從需求出發(fā)進(jìn)行分析和拆解，直至推理出產(chǎn)品形態(tài)的物理量，并計算出質(zhì)量展開要素的權(quán)重，確定產(chǎn)品造型設(shè)計中各模塊的優(yōu)先級。TRIZ理論（發(fā)明問題解決理論）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)計方案[11]，這些規(guī)律和工具包括：八個進(jìn)化法則、40個創(chuàng)新原理、沖突矩陣、物質(zhì)—場分析、ARIZ、AFD、ISQ、DE、科學(xué)效應(yīng)、39個工程技術(shù)參數(shù)、物理學(xué)、化學(xué)、幾何學(xué)等工程學(xué)原理知識庫等；比如使用物質(zhì)—場工具分析標(biāo)準(zhǔn)解時，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)計時，先用39個工程技術(shù)參數(shù)形成39*39的沖突矩陣，設(shè)計者再從40個創(chuàng)新原理中選出能解決每個沖突的原理，形成折衷的設(shè)計方案。

數(shù)學(xué)統(tǒng)計模型的映射關(guān)系構(gòu)建。產(chǎn)品意象造型設(shè)計中構(gòu)建造型—意象映射關(guān)系的數(shù)學(xué)統(tǒng)計模型有支持向量機(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)分類超平面[12]。粗糙集基本思想是利用等價關(guān)系來對對象集合進(jìn)行劃分，在造型設(shè)計中常用于研究形態(tài)要素對意象的影響程度及挖掘產(chǎn)品形態(tài)設(shè)計規(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)測模型，以實(shí)現(xiàn)對因變量的預(yù)測?；疑P(guān)聯(lián)法將造型設(shè)計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。

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

在國內(nèi)，“意象造型設(shè)計”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、意象形態(tài)融合設(shè)計、產(chǎn)品族意象設(shè)計等領(lǐng)域。

（一）多意象目標(biāo)/多主體的意象造型設(shè)計

一個產(chǎn)品帶給人的意象是多樣的，用戶對產(chǎn)品意象的需求也有多個，且存在輕重之分。為了能根據(jù)多個意象輸出一個產(chǎn)品造型方案，有人[13]通過TOPSIS方法和神經(jīng)網(wǎng)絡(luò)篩選出多意象的最佳造型方案；周愛民等[14]運(yùn)用MLS-SVR方法建模，提出一種“設(shè)計特征—形態(tài)美度—感性意象”的產(chǎn)品造型多意象預(yù)測模型；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)計出了具備多個意象的產(chǎn)品造型。

除了考慮多意象驅(qū)動的造型設(shè)計，也需要考慮多主體的情況下如何設(shè)計出令多方滿意的產(chǎn)品造型。如許曉云等人[16]在獲取產(chǎn)品意象數(shù)據(jù)時，同時考慮了兒童和父母在決策中的權(quán)重，設(shè)計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)計師和工程師三者在意象上的認(rèn)知差異，構(gòu)建了同時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

羅仕鑒團(tuán)隊率先提出了基于視覺—行為—情感的產(chǎn)品族設(shè)計基因模型，基于產(chǎn)品族設(shè)計基因的理論基礎(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)計風(fēng)格理論，對產(chǎn)品基因組成元素進(jìn)行了分析，使產(chǎn)品意象造型設(shè)計的基因元素更具可實(shí)現(xiàn)性。

隨后各類進(jìn)化算法紛紛應(yīng)用于產(chǎn)品造型設(shè)計領(lǐng)域，產(chǎn)品意象造型進(jìn)化設(shè)計以產(chǎn)品形態(tài)為設(shè)計對象，對產(chǎn)品樣本進(jìn)行參數(shù)化后，通過進(jìn)化算法對樣本造型的各項(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)計方法，在滿足用戶需求的基礎(chǔ)上提高了對方案評價的準(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)計提供了新角度。

（三）意象形態(tài)融合造型設(shè)計

形態(tài)融合是通過形狀混合技術(shù)指將兩個及以上的初始造型，平滑、自然地生成具備初始形態(tài)特征的中間造型的過程[23]，其所形成的最終形態(tài)同時具備兩個或多個初始形態(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)計方案。

因?yàn)榉律O(shè)計是提取生物形態(tài)特征并融合到產(chǎn)品造型設(shè)計中，這與形態(tài)融合設(shè)計的理念相似，因此形態(tài)融合造型設(shè)計的方法也常應(yīng)用于仿生設(shè)計。如羅仕鑒等[26]通過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)計出多款仿生程度不同的造型仿生產(chǎn)品。

以上幾個研究領(lǐng)域并不是獨(dú)立的，有時也會出現(xiàn)交叉融合，如張書濤等人[27]既考慮到多個意象、又采用了進(jìn)化設(shè)計的方法，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)計主體認(rèn)知的多意象方案。

四、結(jié)語

文章通過文獻(xiàn)綜述法對意象造型設(shè)計的研究架構(gòu)進(jìn)行了回顧，并對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)計素的對應(yīng)關(guān)系這四個方面的關(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)計在多目標(biāo)/多主體的造型設(shè)計、造型進(jìn)化設(shè)計、意象形態(tài)融合造型設(shè)計等三個方面的研究進(jìn)展。在產(chǎn)品供給側(cè)改革的政策下，還需要繼續(xù)對意象造型設(shè)計的相關(guān)技術(shù)和方法進(jìn)行更深層次的探索，以設(shè)計出更符合現(xiàn)代社會對情感化、個性化需要的產(chǎn)品。

參考文獻(xiàn)：

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

[2]周美玉.感性·設(shè)計[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，俞春陽等.基于深度學(xué)習(xí)的產(chǎn)品意象識別[J].計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報，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，陽明慶.面向產(chǎn)品感性意象的造型優(yōu)化設(shè)計研究現(xiàn)狀及趨勢[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].長江大學(xué)學(xué)報（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]周愛民，蘇建寧，閻樹田等.基于形態(tài)美度的產(chǎn)品多意象預(yù)測模型[J].圖學(xué)學(xué)報，2018（4）：654-660.

[15]王鵬，張煒，白睿昇.多意象驅(qū)動下的產(chǎn)品造型個性化定制系統(tǒng)研究[J].計算技術(shù)與自動化，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)品造型意象熵評價研究[J].機(jī)械設(shè)計，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[J].計算機(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)計融合[J].計算機(jī)集成制造系統(tǒng)，2020（10）：2633-2641.

[27]張書濤，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（3）：548-557.

作者簡介：

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

張曉靜，洛陽市第五人民醫(yī)院護(hù)師。研究方向：護(hù)理。

楊杰，六盤水師范學(xué)院副教授。研究方向：AR、交互設(shè)計。