原文传递
基于感性意象和参数化建模的汽车形态生成设计方法
| 论文题名： | 基于感性意象和参数化建模的汽车形态生成设计方法 |
| 关键词： | 汽车造型;生成式设计;感性工学;生成对抗网络;参数化建模 |
| 摘要： | 电动化、网联化、智能化已成为整个汽车工业的发展潮流和趋势，在技术同质化现象严重的当代，符合用户喜好的汽车造型设计是车企在竞争激烈的市场环境中胜出的关键因素之一。传统的汽车设计研发周期往往需要数年的时间，难以匹配快速变化的市场需求，并且通常依赖设计师个人灵感、主观经验和直觉进行设计。随着人工智能技术的发展，如何使用新的技术快速地设计出符合用户风格意象偏好的汽车是值得探索的研究方向。 本文以生成式设计理论为出发点，结合汽车风格意象、感性工学理论、深度学习技术和参数化建模技术，研究了一种基于汽车风格意象、深度学习和参数化建模的汽车形态生成式设计方法，为设计师在概念设计阶段快速探索符合用户风格意象偏好且兼顾品牌家族化设计特征的汽车形态提供了新的设计思路和方法。该方法主要包含三个部分，即感性工学研究部分、深度学习部分、参数化联动建模部分。 （1）在感性工学部分，研究从复杂产品中抽离出对造型关联性最高的顶型侧视曲线，将感性工学的意象风格维度和侧视曲线建立映射关系，通过风格意象认知实验对数据进行系统聚类分析，获取各样本对于感性词汇的类别标签。 （2）在深度学习部分，采用深度学习模型VAE-GAN生成侧视顶型线图像样本。结合汽车风格意象认知实验得到的类别标签建立汽车侧视顶型线深度学习数据集，并通过基于变分自编码器的生成对抗网络VAE-GAN生成了基于每个风格意象词汇的侧视顶型线图像样本。 （3）在参数化联动建模部分，基于参数化建模平台对汽车二维特征线提取编码，将得到的汽车三维特征曲线进行参数化重构，建立了由侧视顶型线驱动的汽车三维特征曲线参数关联模型。 综合汽车风格意象感知实验、基于深度学习生成侧视顶型线、汽车三维特征曲线参数关联模型的研究成果，将各个风格意象词汇的侧视顶型线图像生成结果作为汽车三维特征曲线参数关联模型的输入变量，生成了大量形态各异且符合用户风格意象心理认知的汽车形态，并对生成结果进行了满意度调查，证明了本文所提出的汽车形态生成式设计方法的有效性。 |
| 作者： | 王柳清 |
| 专业： | 工业设计 |
| 导师： | 薛澄岐;周小舟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东南大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
