基于BP神經(jīng)網(wǎng)絡(luò)的辦公椅感性意象預(yù)測(cè)模型構(gòu)建研究

■趙亞男 Zhao Yanan

(嘉興南洋職業(yè)技術(shù)學(xué)院，浙江嘉興 314000）

隨著社會(huì)工業(yè)化程度的不斷深入，各行各業(yè)紛紛加快了工作節(jié)奏，普通員工日均工作時(shí)長(zhǎng)不少于8小時(shí)，且加班現(xiàn)象愈發(fā)普遍[1]。作為直接提供坐靠支持的辦公椅，其與人的密切關(guān)系可見(jiàn)一斑。因此，對(duì)于辦公椅的設(shè)計(jì)不僅要滿足功能需求，也要具有一定的心理和情感附加值[2]。BP神經(jīng)網(wǎng)絡(luò)作為一種智能信息處理算法，具有極強(qiáng)的非線性映射能力[3]。在產(chǎn)品感性設(shè)計(jì)研究中，人工神經(jīng)網(wǎng)絡(luò)常用于建立產(chǎn)品造型設(shè)計(jì)要素與用戶情感意象之間的關(guān)系。定律[4]等通過(guò)建立感性評(píng)價(jià)矩陣，構(gòu)建了用戶需求與程控切紙機(jī)造型設(shè)計(jì)要素之間的數(shù)理關(guān)系；李陽(yáng)[5]等基于模塊化思想，構(gòu)建了用戶感性意象與木制民居造型模塊之間的映射關(guān)系；楊浩[6]等運(yùn)用三層結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)模型，研究共享汽車(chē)仿生設(shè)計(jì)方法；朱彥[7]等運(yùn)用主成分分析法量化感性意象，運(yùn)用神經(jīng)網(wǎng)絡(luò)構(gòu)建其與家庭服務(wù)機(jī)器人整體造型要素之間的邏輯關(guān)系。然而，目前的研究沒(méi)有針對(duì)辦公椅等家具產(chǎn)品的探討，尤其是針對(duì)該類(lèi)產(chǎn)品感性評(píng)價(jià)與設(shè)計(jì)要素之間的數(shù)理模型。因此，本文運(yùn)用語(yǔ)義差異法提取用戶感性意象，運(yùn)用形態(tài)分析法對(duì)辦公椅造型設(shè)計(jì)要素進(jìn)行解構(gòu)，建立感性評(píng)價(jià)矩陣，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建兩者映射關(guān)系，并進(jìn)行模擬預(yù)測(cè)，為辦公椅的感性設(shè)計(jì)提供科學(xué)可靠的理論依據(jù)。

■圖1 研究流程

■圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

1 基于BP神經(jīng)網(wǎng)絡(luò)的辦公椅感性設(shè)計(jì)流程

本文研究流程如圖1所示。首先收集合適的辦公椅樣本，并對(duì)樣本進(jìn)行預(yù)處理；接著根據(jù)形態(tài)分析法對(duì)樣本進(jìn)行設(shè)計(jì)要素解構(gòu)；然后確定感性評(píng)價(jià)量尺，運(yùn)用語(yǔ)義差異法將感性意象量化；再通過(guò)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)建立造型設(shè)計(jì)要素與感性意象之間的映射關(guān)系；最后通過(guò)模擬預(yù)測(cè)，檢驗(yàn)?zāi)Ｐ涂煽啃浴?/p>

2 辦公椅造型設(shè)計(jì)要素與感性意象量化分析

2.1 辦公椅造型樣本分析

通過(guò)在某辦公家具企業(yè)調(diào)研，對(duì)該企業(yè)上市的辦公椅進(jìn)行樣本收集，并篩選出銷(xiāo)量較好的36種不同款式的辦公椅(“五星滑輪”座椅）作為代表樣本進(jìn)行分析研究，部分樣本如表1所示。為避免色彩因素對(duì)感性測(cè)評(píng)的影響，代表樣品均做除色處理，選取45°透視角度的樣品圖片。

表1 部分辦公椅樣本

2.2 辦公椅造型設(shè)計(jì)要素解構(gòu)

根據(jù)調(diào)研得到的辦公椅樣本，通過(guò)形態(tài)分析法對(duì)其進(jìn)行造型設(shè)計(jì)要素的提取和分析，將辦公椅造型設(shè)計(jì)分為8個(gè)設(shè)計(jì)要素，編號(hào)X1～X8。再根據(jù)調(diào)研樣本對(duì)每種要素分出不同的要素類(lèi)型，得到辦公椅的造型設(shè)計(jì)要素空間，如表2所示。

表2 辦公椅造型設(shè)計(jì)要素空間

2.3 辦公椅感性意象詞匯確定及其評(píng)價(jià)結(jié)果

通過(guò)用戶訪談、文獻(xiàn)查閱等方式匯總了描述辦公椅的感性意象詞匯，共計(jì)86組。綜合專家意見(jiàn)，經(jīng)進(jìn)一步的評(píng)估和篩選，最終保留了4組最適宜的詞匯作為感性評(píng)價(jià)量尺，分別為：輕盈的-穩(wěn)重的、現(xiàn)代的-傳統(tǒng)的、人性的-機(jī)械的、藝術(shù)的-功能的。

本文用7階SD量表對(duì)以上4組感性意象詞匯設(shè)計(jì)問(wèn)卷，要求受測(cè)者根據(jù)這4組詞匯對(duì)36個(gè)典型樣本進(jìn)行評(píng)分。例如，針對(duì)“輕盈的-穩(wěn)重的”這一評(píng)價(jià)量尺，4分代表中立，1分代表相當(dāng)穩(wěn)重的，7分則代表相當(dāng)輕盈的。總計(jì)發(fā)放問(wèn)卷80份，整理有效問(wèn)卷60份，感性評(píng)價(jià)調(diào)查結(jié)果整理如表3所示。

表3 辦公椅感性評(píng)價(jià)結(jié)果

3 辦公椅BP網(wǎng)絡(luò)模型的建構(gòu)與測(cè)試

3.1 辦公椅BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單、可操作性強(qiáng)、能模擬任意非線性輸入與輸出向量的映射關(guān)系[8]。其結(jié)構(gòu)包含輸入層、隱含層和輸出層，每層結(jié)構(gòu)通過(guò)連接權(quán)重、閾值和激活函數(shù)相連接（圖2）。本文將辦公椅造型設(shè)計(jì)要素的組合編號(hào)作為輸入層參數(shù)，感性意象的評(píng)價(jià)值作為輸出值參數(shù)，通過(guò)對(duì)網(wǎng)絡(luò)模型的訓(xùn)練，不斷調(diào)整權(quán)值和閾值，最終使輸出的結(jié)果達(dá)到與期望值誤差最小。

3.2 辦公椅BP神經(jīng)網(wǎng)絡(luò)模型的建立與測(cè)試

3.2.1各層節(jié)點(diǎn)數(shù)目的確定

將辦公椅造型設(shè)計(jì)要素的組合編號(hào)作為輸入層參數(shù)，即輸入層節(jié)點(diǎn)數(shù)為8個(gè)。辦公椅感性意象的評(píng)價(jià)值作為輸出層參數(shù)，即輸出層節(jié)點(diǎn)數(shù)為感性意象詞組數(shù)4個(gè)。隱含層節(jié)點(diǎn)個(gè)數(shù)通過(guò)式（1）確定，其中m為隱含層節(jié)點(diǎn)數(shù)；n為輸入層節(jié)點(diǎn)數(shù)；l為輸出層節(jié)點(diǎn)數(shù)。故本文隱含層節(jié)點(diǎn)數(shù)為6個(gè)。

3.2.2編碼

由于辦公椅的造型設(shè)計(jì)要素?zé)o法直接作為輸入?yún)?shù)，需要將其轉(zhuǎn)化成可以在計(jì)算機(jī)中讀取的參數(shù)，因此要對(duì)其進(jìn)行編碼處理。各樣本編碼位數(shù)與設(shè)計(jì)要素的總數(shù)相同，為48位，各設(shè)計(jì)要素編碼為1，其余均為0。例如1號(hào)樣本在X1到X8的設(shè)計(jì)要素類(lèi)型為4、1、2、1、2、2、2、3的組合，其編碼為0001001000000100 00100000010000010000010000001000。

3.2.3激活函數(shù)

由于辦公椅的設(shè)計(jì)要素與感性意象評(píng)價(jià)是非線性關(guān)系，本文隱含層的激活函數(shù)采用S型函數(shù)，即式（2）。

3.2.4歸一化

由于神經(jīng)網(wǎng)絡(luò)的輸出層采用S型激活函數(shù)，其值域限制在（0,1）的區(qū)間，網(wǎng)絡(luò)的輸出值也只能限制在其值域范圍內(nèi)，而感性意象評(píng)價(jià)結(jié)果數(shù)值并不完全處于此區(qū)間，因此需要將其進(jìn)行歸一化處理。歸一化處理公式如式（3）所示。其中Xmax最大值，Xmin為最小值。

3.3 辦公椅BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練

用MATLAB編寫(xiě)上述網(wǎng)絡(luò)模型的程序，并輸入樣本數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練與測(cè)試，并對(duì)辦公椅造型設(shè)計(jì)做出預(yù)測(cè)，其仿真流程如圖3所示。從36個(gè)樣本中隨機(jī)選取30個(gè)作為訓(xùn)練樣本，設(shè)定其訓(xùn)練次數(shù)為1000次，結(jié)果運(yùn)行如圖4所示。

3.4 BP神經(jīng)網(wǎng)絡(luò)性能評(píng)價(jià)

用余下的6個(gè)樣本驗(yàn)證經(jīng)過(guò)訓(xùn)練后的網(wǎng)絡(luò)，網(wǎng)絡(luò)得出的仿真值與調(diào)研得到的真實(shí)值進(jìn)行比較，如表4、表5所示。

表4 實(shí)際感性評(píng)價(jià)均值結(jié)果

表5 感性意象預(yù)測(cè)值

將實(shí)際感性評(píng)價(jià)均值與由網(wǎng)絡(luò)模型預(yù)測(cè)的感性評(píng)價(jià)值分別輸入SPSS軟件，并進(jìn)行配對(duì)樣本t驗(yàn)證，得到各組感性意象詞匯配對(duì)樣本t檢驗(yàn)的顯著性。

依照統(tǒng)計(jì)學(xué)配對(duì)樣本t檢驗(yàn)法則，若上述成對(duì)樣本t檢驗(yàn)的顯著性＜0.05，則拒絕原假設(shè)，表示預(yù)測(cè)感性分值與實(shí)際評(píng)價(jià)分值存在顯著差異；反之，t檢驗(yàn)的顯著性＞0.05，則無(wú)法拒絕原假設(shè)[9-10]，表示預(yù)測(cè)感性分值與實(shí)際評(píng)價(jià)分值接近或相同。

如表6所示，四對(duì)感性意象詞匯的Sig值均大于0.05，所以建立的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型具有較高可信度。

表6 各組意象詞匯配對(duì)樣本t檢驗(yàn)的顯著性

4 結(jié)語(yǔ)

本文主要研究了現(xiàn)代辦公椅的感性意象與造型要素之間的對(duì)應(yīng)關(guān)系，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)建立了感性意象得分預(yù)測(cè)模型，通過(guò)對(duì)模型進(jìn)行訓(xùn)練與測(cè)試，最終證實(shí)了模型的可靠性[11-12]。因此，本論文的研究對(duì)辦公椅的感性設(shè)計(jì)，以及辦公椅產(chǎn)品未來(lái)可能的發(fā)展趨勢(shì)提供了較為科學(xué)的理論依據(jù)：（1）該模型可以幫助設(shè)計(jì)師設(shè)計(jì)出更符合市場(chǎng)需求的辦公椅產(chǎn)品，提升產(chǎn)品的市場(chǎng)競(jìng)爭(zhēng)力；（2）隨著人工智能的飛速發(fā)展，BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用范圍也會(huì)越來(lái)越廣泛，其在輔助產(chǎn)品設(shè)計(jì)方面的潛能需要不斷探索[13-14]。

■圖3 仿真流程圖