目的在人機協(xié)同的設計背景下,研究提出的一套基于數據驅動的自動化生成設計方法,以致力于提高設計效率,為企業(yè)創(chuàng)新需求提供學術參考價值。方法研究首先運用文本挖掘,并生成用戶感性意象和產品特征詞表,隨后基于QM1對文本進行積極和消極感性意象分類,定量化的分析了用戶的偏好,快速響應用戶的需求。隨后以公路自行車為設計案例,開發(fā)出應用程序編程接口(API)工具。結果根據QM1的分析結果,選取了類別得分最高的6個設計元素進行組合,而后在SolidWorks的DriveWorksXpress中創(chuàng)建選定的設計元素模型和裝配體的副構件,實現(xiàn)了用戶需求與三維造型相匹配的自動化設計方案生成。結論研究基于文本挖掘,并以公路自行車的自動化設計實踐驗證了有效性,方法具有數據驅動、快速響應和自動化的優(yōu)勢。

【文章頁數】：9 頁

【部分圖文】：

圖1研究步驟

目前網絡爬蟲的工具有很多，鑒于python編程語言在可擴展性和可嵌入性方面具有較好的魯棒性，本研究故選用這一工具開展文本挖掘工作。首先，確認目標產品，通過瀏覽大量的購物網站，收集有代表性的產品。熱銷的爆品一般會有成千上萬的評論，反映了較好的可靠性。其中，文獻[8]指出產品的用戶評....

圖2亞馬遜網站的用戶評論

圖1研究步驟第二，原始數據評估。在本研究中，通過python獲取的原始數據都是針對具體產品的完整評論，這些原始數據中同時包含了積極和消極的評論，進而導致曲解評論的原意，則不可直接用文本挖掘工具分析。因此，還需把完整的評論轉換成幾個單詞并作為輸入信息，并進行詞性標注。

圖3設計自動化API的接口界面

第二，使用VAS來計算四個集的感性意象SD量表，數據分布為score>0判斷為積極，score<0判斷為消極。QM1結果見表4，顯示出了QM1回歸模型中設計元素與用戶感性意象的關聯(lián)數據。表4顯示“車架造型”和“車座”、“肌理紋樣”的數值比其他設計元素的高。這就意味著這三個設計元素....

圖4設計效果的展示

第一部分進行對照試驗，主要針對研究方法輸出的結果進行有效性評價，首先向被試展示watikke自行車原型，隨后展示基于本研究的方法所生成的優(yōu)化設計方案，以表德國漢諾威工業(yè)設計大獎的評審為依據，確定“概念設計自動化”的九項評價原則，包括兩項創(chuàng)新與品質的評價因子：“創(chuàng)新度”以及“生態(tài)兼....

本文編號：3974835