基于感性意象的产品造型设计研究现状及进展

李洁　张晓静　杨杰

摘  要：在追求高情感和高附加价值的现代社会背景下，基于感性意象的产品造型设计成为产品追求个性化和情感化的重要手段。本文通过对国内外文献的归纳分析，探讨了产品意象造型设计的体系架构，重点介绍了每个步骤中所涉及的技术和理论，总结了意象造型设计在多目标/多主体的造型设计、造型进化设计、意象形态融合造型设计等三方面的现状及进展。

关键词：感性工学；意象；造型设计；产品设计

随着互联网、物联网、云计算、大数据、人工智能等新兴信息技术与设计方法理论的融合发展，如今的设计不仅要创建实体产品以满足基本的功能需求，更发展成为提供服务、情感、体验的手段，其中情感特征已成为产品研究、产品附加价值提升的关键；因此，如何通过设计实现情感传达成为众多设计师关注的问题。基于感性工学的意象造型设计作为合目的性的形态设计方法，不仅能表明产品的使用方法，还能使其作为情感沟通和传达的媒介，给人带来良好的审美体验[1]。本文首先对产品感性意象造型设计的概念和流程进行了简单介绍，其次重点对意象造型设计各个步骤所使用到的方法进行了梳理和归纳，最后，通过文献综述法将意象造型设计应用及研究的现状归纳总结分为三个方向：多目标/多主体的造型设计、造型进化设计、意象形态融合造型设计。

一、产品意象造型设计与感性工学

产品意象造型设计起源于感性工学的方法。Kansei（感性）意为主观印象和情感，感性工学通过定性和定量的方法分析消费者感性信息，将消费者对于产品的感性信息与产品设计元素匹配对应起来，按照用户的意象目标选择对应的产品设计元素，以设计出符合用户意象目标的产品[2]。感性工学研究方法的流程为：（一）划分产品设计元素的类别；（二）使用计算机技术等收集大量用户数据并建立数据库；（三）用数学公式建立映射关系模型，从而输出最合适的设计元素组合。一般来说，感性工学在产品设计领域中的研究对象通常包括产品的形态、颜色[3]、材质[4]31三方面，但随着感性工学研究领域内容和数量的扩充和丰富，基于感性工学的产品造型设计研究蓬勃发展并成为独立的细分领域：意象造型设计。

产品意象是人对物的心理上的期待感受，意象造型设计正是以人的情感意象为目标，通过形态要素的不同搭配就可以实现不同的意象美，此时设计出的产品意象承载了用户的情感和期待。意象造型设计的研究流程与感性工学相似，一般分为四个阶段：建立初始意象语意空间和样本库、确定优势感知意象和代表性产品样本并构建产品造型特征库、建立用户感性词汇与产品形态元素与的对应关系并提出设计策略、根据策略进行产品意象优化设计（如图1）。意象造型设计的过程涵盖了用户与设计师双边信息的传递与推理，设计师先从用户处获取其根据自身经验所判断出的模糊意象，再综合运用各种设计方法和技术，在用户情感需求和产品形态特征两者间取得平衡。

二、基于感性意象的产品造型设计流程

产品意象造型设计和研究过程中有4个关键内容：搜集并确定代表性样本、分析产品造型设计元素、获取并确定用户意象、建立用户感性意象与产品造型设计素的对应关系。

（一）搜集并确定代表性样本

图片收集法。主要通过查阅相关书籍、论文、期刊杂志、购物平台等渠道大量收集样本图片。此外陈金亮等人还提出用Alias、Rhino、3d Max等计算机软件建模生成虚拟产品样本图片[5]。

聚类分析法，在没有先验知识的情况下通过调查问卷获取样本分类数据，对数据进行聚集将样本划分为不同的类型，每一类样本中距离类中心距离最近的样本即为代表性样本。

主成分分析法，是一种降维方法，以更少的因子反映原始数据的大部分信息，可以根据主成分分析得到的因子载荷阵中成分载荷的绝对值的数值对样本进行分类[4]31。

多維尺度法，可以找到决定多个样本的少数几个潜在因素，在潜在因素的空间图中，样本与样本之间的距离越近，表明样本间在维度特征上越相似。

（二）产品样本解构或参数化方法

形态分析法。由F·茨维基（F. Zwicky）提出，核心是将产品拆解成若干组成部分（设计项目），寻找各组成部分的可变要素（设计类目），建立产品的形态构成体系。主要步骤为：确定造型设计目标、提出产品分解维度或组成部分、列出各部分所有可能的设计要素、编制产品形态表。

曲线控制法。提取产品造型特征线并确定关键点，建立坐标轴，控制产品样本关键点的坐标值变化即可代表不同的样本造型[6]。除了自己定义曲线，常用的还有贝塞尔曲线，该线包括起始点、终点以及中间的两点，通过移动中间点的位置来调整和改变曲线的形状。

KJ法。又叫亲和图法，由川木田次郎在1953年提出的，该方法需要尽可能多地收集目标产品相关的造型信息，再进行分级整理和归纳，最终形成有规律可循的产品形态分析框架。

眼动实验法。通过追踪眼球运动的路径和时间获取眼动的热力图、注视轨迹图、集簇图、蜂群图等，从这些数据判断出产品造型中最受用户关注的部位，再从比例关系、形态特征、相对位置等方面提取影响意象的形态要素。

造型特征提取法。需要多位设计师和相关专家对产品有全面的认知和剖析后，综合产品的整体形态、细节、意象总结出产品的特征，由于该方法主要依靠专家所以得出的结论更主观。

（三）意象的获取及确定

生理学测量法。因为对不同的产品人的生理上会不自觉的做出不同的反应[7]，因此生理变化信息能科学理性的反映出用户对产品造型的感受。该方法主要采用心电仪、眼动仪、脑电波测量仪、功能性磁共振成像仪、面部动作编码系统等设备测量人类的眼动信息、脑电波、肌肉反应、微表情和行为等生理指标，这些生理指标不同的数值能反映用户面对不同产品时的不同感受。

心理学测量法。采用语义差分法或李克特量表开展问卷调研，让用户使用数值来表达对产品造型意象的倾向程度，对收集的用户评价数据运用因子分析法、聚类分析法、主成分分析等统计学方法降低感性意象认知的维度，得到目标产品的主要意象。

口语分析法。要求被试观察产品，结合自身感受表述对于目标产品的感觉或印象，在谈话过程中记录下用户对产品的表述，最后转为文字，挖掘文字背后代表的用户对产品的感受和印象。

文本挖掘法。使用网络爬虫等计算机技术在网页上获取对目标产品的评价文字，通过去重、分词处理后统计词频，分析文本情感极性和情感强度，挖掘出用户意象需求。

深度学习法。该技术模拟自然神经系统对信息的处理机制，具备自动提取特征的特性[8]。一般是通过问卷获得产品意象评价数据后，再用卷积神经网络进行训练，最终建立产品意象与形态元素间的匹配关系模型，通过该模型能预测出用户对特定产品的感性意象。

（四）意象与产品形态元素的映射关系构建

在构建意象与产品形态元素的映射关系时，从计算机算法、创新理论、统计学等学科提出不同的方法。

基于计算机算法的映射关系构建。计算机算法构建映射关系的方法包括遗传算法、神经网络、群智能算法。遗传算法模拟生物进化的遗传机制，对初始样本的形态设计元素进行选择、交叉、变异，直至得到满足条件的最优形态组方案[9]，在产品造型意象设计中主要运用的遗传算法除了基本遗传算法，还有交互式遗传算法和自适应遗传算法。神经网络模拟大脑的机理及神经网络的特性，采用全局逼近的方法实现从设计元素到意象的非线性映射[10]。群智能算法模仿和提取自然界中具有组织行为能力的生物群体的行为方式和特点，从而形成的一种全局优化搜索算法[5]。

基于创新理论的映射关系构建。产品意象造型设计中用于构建造型——意象映射关系的创新理论有QFD和TRIZ理论。QFD（质量功能展开）是一种层次分析法，先分析出用户对产品造型的需求，再从需求出发进行分析和拆解，直至推理出产品形态的物理量，并计算出质量展开要素的权重，确定产品造型设计中各模块的优先级。TRIZ理论（发明问题解决理论）认为工程系统都具备相同的发展规律，并总结了通用的规律和工具，根据这些规律可以求得产品的最佳设计方案[11]，这些规律和工具包括：八个进化法则、40个创新原理、冲突矩阵、物质—场分析、ARIZ、AFD、ISQ、DE、科学效应、39个工程技术参数、物理学、化学、几何学等工程学原理知识库等；比如使用物质—场工具分析标准解时，可以从76条标准解答选择最合适的解法，使用冲突矩阵进行设计时，先用39个工程技术参数形成39*39的冲突矩阵，设计者再从40个创新原理中选出能解决每个冲突的原理，形成折衷的设计方案。

数学统计模型的映射关系构建。产品意象造型设计中构建造型—意象映射关系的数学统计模型有支持向量机、粗糙集、数量化理论I、灰色关联法。支持向量机通过非线性变换，可以将样本数据映射到高维特征向量空间，并在该空间求得最优分类超平面[12]。粗糙集基本思想是利用等价关系来对对象集合进行划分，在造型设计中常用于研究形态要素对意象的影响程度及挖掘产品形态设计规则。数量化理论I利用多元线性回归分析研究定性自变量与定量变量间的关系，建立它们之间的数学预测模型，以实现对因变量的预测。灰色关联法将造型设计元素与感性意象之间的相似或相异程度转化为分段连续的折线，根据折线的几何特征可以分析出形态元素与意象间的相关程度，使用该方法可以得到影响产品感性意象的各造型要素的优先级。

三、产品意象造型设计研究现状及进展

在国内，“意象造型设计”一词出现于2007年左右，2015年被广泛使用。它以产品造型为对象，在感性工学的基础上，衍生出了多主体意象造型设计、意象形态融合设计、产品族意象设计等领域。

（一）多意象目标/多主体的意象造型设计

一个产品带给人的意象是多样的，用户对产品意象的需求也有多个，且存在轻重之分。为了能根据多个意象输出一个产品造型方案，有人[13]通过TOPSIS方法和神经网络筛选出多意象的最佳造型方案；周爱民等[14]運用MLS-SVR方法建模，提出一种“设计特征—形态美度—感性意象”的产品造型多意象预测模型；王鹏等[15]以BP神经网络和多目标粒子群算法设计出了具备多个意象的产品造型。

除了考虑多意象驱动的造型设计，也需要考虑多主体的情况下如何设计出令多方满意的产品造型。如许晓云等人[16]在获取产品意象数据时，同时考虑了儿童和父母在决策中的权重，设计出兼顾儿童和父母感受的智能产品；苏建宁等[17]考虑到用户、设计师和工程师三者在意象上的认知差异，构建了同时满足三者情感需求的复合意象认知空间。

（二）意象造型进化设计

罗仕鉴团队率先提出了基于视觉—行为—情感的产品族设计基因模型，基于产品族设计基因的理论基础，并探索了产品外形基因的风格意象[18]，为意象造型进化设计的发展打下基础。有人[19]在其基础上建立了基于产品基因元素的产品设计风格理论，对产品基因组成元素进行了分析，使产品意象造型设计的基因元素更具可实现性。

随后各类进化算法纷纷应用于产品造型设计领域，产品意象造型进化设计以产品形态为设计对象，对产品样本进行参数化后，通过进化算法对样本造型的各项参数进行选择、变异、交叉，以生成多种符合意象目标的造型方案。意象造型领域常见的进化算法除了遗传算法[20]，还发展出了群智能算法、非支配排序遗传算法、交互式进化算法等，如有人[21]提出一种交互遗传算法的产品形态设计方法，在满足用户需求的基础上提高了对方案评价的准确度；最近有人[22]受蜘蛛网结构的启发，基于蜘蛛网的力学特性分析了产品族内系列内和系列间的产品形态发展规律，提出了交叉系数和变异系数的计算方法用于产品形式演变，为产品意象造型进化设计提供了新角度。

（三）意象形态融合造型设计

形态融合是通过形状混合技术指将两个及以上的初始造型，平滑、自然地生成具备初始形态特征的中间造型的过程[23]，其所形成的最终形态同时具备两个或多个初始形态的特征。如师洁等[24]提取了代表“高贵”意象的王冠造型，应用形态融合技术将其香水瓶造型与进行融合，生成具有“高贵”感的香水瓶造型。薛澄歧[25]利用形状混合算法将中国传统服饰旗袍的腰身曲线与已有产品的形态特征曲线进行融合渐变，获得大量新的具有旗袍优雅意象的产品形态设计方案。

因为仿生设计是提取生物形态特征并融合到产品造型设计中，这与形态融合设计的理念相似，因此形态融合造型设计的方法也常应用于仿生设计。如罗仕鉴等[26]通过形状上下文匹配法找到和目标产品形态相似的生物，再使用图像变形技术设计出多款仿生程度不同的造型仿生产品。

以上几个研究领域并不是独立的，有时也会出现交叉融合，如张书涛等人[27]既考虑到多个意象、又采用了进化设计的方法，其将蛛网图与灰靶决策模型相结合后提出了一种产品形态多意象蛛网灰靶决策模型，能够从进化出的多种形态中快速确定符合多设计主体认知的多意象方案。

四、结语

文章通过文献综述法对意象造型设计的研究架构进行了回顾，并对搜集并确定代表性样本、解析产品形态要素、获取并确定用户意象需求、建立用户感性意象与产品造型设计素的对应关系这四个方面的关键技术和理论进行了较为全面的分析和阐述，并进一步归纳总结了意象造型设计在多目标/多主体的造型设计、造型进化设计、意象形态融合造型设计等三个方面的研究进展。在产品供给侧改革的政策下，还需要继续对意象造型设计的相关技术和方法进行更深层次的探索，以设计出更符合现代社会对情感化、个性化需要的产品。

参考文献：

[1]于帆，陈嬿.意象造型设计[M].武汉：华中科技大学出版社，2007.

[2]周美玉.感性·设计[M].上海：上海科学技术出版社，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]汪颖.材料质感意象认知研究[M].杭州：浙江大学出版社，2019.

[5]陈金亮，赵锋.产品感性意象设计研究进展[J].包装工程，2021（20）：178-187.

[6]張秦玮.产品多目标意象造型进化设计研究[D].兰州：兰州理工大学，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，杨程，俞春阳等.基于深度学习的产品意象识别[J].计算机辅助设计与图形学学报，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]林丽，郭主恩，阳明庆.面向产品感性意象的造型优化设计研究现状及趋势[J].包装工程，2020（2）：65-79.

[11]张辉.基于TRIZ的新产品创新冲突矩阵的构建[D].天津：河北工业大学，2012.

[12]林香亮，袁瑞，孙玉秋等.支持向量机的基本理论和研究进展[J].长江大学学报（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]周爱民，苏建宁，阎树田等.基于形态美度的产品多意象预测模型[J].图学学报，2018（4）：654-660.

[15]王鹏，张炜，白睿昇.多意象驱动下的产品造型个性化定制系统研究[J].计算技术与自动化，2021（1）：7-14.

[16]许晓云，解秋蕊，张曙.应用感性工学的儿童参与式智能产品设计方法[J].包装工程，2019（18）：129-134.

[17] 苏建宁，张新新，景楠等.认知差异下的产品造型意象熵评价研究[J].机械设计，2016（3）：105-108.

[18]傅业焘，罗仕鉴.面向风格意象的产品族外形基因设计[J].计算机集成制造系统，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]李华，朱光喜，刘文予，等.Metamorphosis技术综述[J].计算机研究与发展，2002（5）：524-532.

[24]师洁，苏建宁，李雄.产品意象原型形态耦合优化设计研究[J].包装工程，2019（8）：47-53，129.

[25]袁浩，薛澄歧，卢章平，等.基于局部形态融合的产品创新设计研究[J].包装工程，2011（20）：30-33.

[26]罗仕鉴，边泽，张宇飞，等.基于形态匹配的产品仿生设计融合[J].计算机集成制造系统，2020（10）：2633-2641.

[27]张书涛，王世杰，刘世锋，等.产品形态多意象蛛网灰靶决策模型[J].图学学报（3）：548-557.

作者简介：

李洁，六盘水师范学院助教。研究方向：感性工学、产品设计。

张晓静，洛阳市第五人民医院护师。研究方向：护理。

杨杰，六盘水师范学院副教授。研究方向：AR、交互设计。