客户多元化与个性化需求，使得产品外观造型的新颖性日益受到青睐.为满足不同客户需求，产品的工业美学设计愈加受到重视.产品形态是其美学设计的物质基础，形状、比例、装饰等形态要素是产品形态的构成基础.采用曲面特征设计产品的外形自由曲面，是计算机辅助工业美学设计的—个重要发展方向.文献分别以手机和艺术花卉造型设计为例，介绍了一种支持进化的计算机辅助创意性外观设计环境.文献提出了一种三维人体模型快速建模方法.
伴随着美学设计发展，一些学者对美学评价方法进行了研究由于美学评价的主观性及不确定性,使得设计者很难得到客观评价结果，因此研究美学评价方法具有重要意义.人工神经网络由于其具有自适应性、并行处理、非线性、容错性和推理能力等美学评价中所需的良好特性，非常适合处理美学评价这类涉及因果关系、数据中可能存在矛盾和错误的不精确知识.
本文以工业缝纫机为例，提出了一种基于美学特征的参数化产品外形设计方法，通过研究形态要素与外形模型特征参数之间关系，运用特征参数表达美学形态要素，实现了产品的参数化外形设计.以100种外形模型作为样本，通过问卷调查获得美学评价结果，将模型特征参数与对应美学评价结果作为训练样本,构造了基于神经网络的美学评价体系，并给出了基于该系统的产品最佳外形设计模型.
1.基于美学特征的参数化产品外形设计
产品外观主要受其关键形态要素控制，通过形态要素的放大、缩小、变形及组合，可获得不同的外观创意设计效果，形态要素与产品外形特征控制参数存在关联.以工业缝纫机为例，假设其美学形态要素总共有m个，决定其三维外形的主要特征参数有n个,则形态要素与特征参数之间必定存在一定的映射关系.
1.1形态要素的提取
工业缝纫机芙学形态要素主要集中在形状、表面特征和各部分比例关系等方面.本文以不同品牌的37种工业缝纫机作为样本，从整体与局部对其形态要素进行了分析研究.
1) 比例形态要素.如图1所示,基于实验样本研究，总结归纳出工业缝纫机各部分之间关键出例关系如下:a.总长度与总高度之比;b.机头长度与总体长度之比;c.机尾长度与总体长度之比;d,中部主轴高度与总高度之比;e.顶部宽度与底部宽度之比.
2) 机头形态要素.从主视和侧视2个方向研究得到表1所示的机头形态要素.
3) 中部主轴形态要素，中部主轴形态从长度与横截面2个方向研究.研究其截面方向时，假定侧表面为2个垂直平面，则中部主轴横截面主要由其底部特性决定，表2给出了中部主轴形态要素.
4)机尾形态要素.机尾两侧表面形状基本确定了机身侧表面形状，其形态要素主要考虑形状及顶部与底部宽度比例.沿机尾右视图方向对其进行分析，形态要素归纳为表3所示的6种类型.
5)内轮廓曲面形态要素.内轮廓曲面形态从截面和长度2个方向进行研究.截面形态同中部主轴截面形态要素；长度方向形态主要为直角过渡型和抛物线型2种风格，如图2所示.
1.2基于美学特征的参数化产品外形设计
1.2.1外形特征参数与美学形态要素间的关系
基于形态要素分析，将工业缝纫机归纳为表4第1列所示共12个主要形态要素，表中“〇”表示形态要素与特征参数之间存在关联.针对这些形态要素，利用UG软件，基于参数化建模思想，将工业缝纫机的12个美学形态要素与三维参数化模型的特征参数建立联系，完成基于美学形态要素的参数化三维模型的建立.
图3所示为参数化模型关键特征参数作用位置示意图，图中&~巧7含义与表4中相同.模型共有17个关键特征参数控制缝纫机12个美学形态要素，表4所示为缝纫机12个美学形态要素与模型17个关键特征参数之间的关系.可以看出，某些形态要素是由多个模型特征参数控制的,反之,一个模型特征参数又可能影响多个形态要素.
现以机尾为例说明特征参数如何控制对应的形态要素.机尾右视图轮廊形状由图3所示特征参数Pg.P,及P1()控制，其中，P?)和分别为机尾顶部和底部宽度，改变这2个参数可实现缝纫机机尾顶部与底部的宽度尺寸及二者比例关系变化.Pj机尾右视图轮廓线中两侧曲线的形状控制参数，侧曲线通过构造规律曲线方程实现.两曲线方程分别为
现以机尾为例说明特征参数如何控制对应的形态要素.机尾右视图轮廊形状由图3所示特征参数Pg.P,及P1()控制，其中，P?)和分别为机尾顶部和底部宽度，改变这2个参数可实现缝纫机机尾顶部与底部的宽度尺寸及二者比例关系变化.Pj机尾右视图轮廓线中两侧曲线的形状控制参数，侧曲线通过构造规律曲线方程实现.两曲线方程分别为应用UG草图功能及控制曲线，分别在如图4a所示的基准平面1和基准平面2内构造了2组封闭曲线.平面1内构造的第1组封闭曲线由Linel,Line2，Line3,LawCurve1和控制曲线LawCurve2构成;平面2内构造的第2组封闭曲线由Line4,Line5,LawCurve3及控制曲线LawCurve4构成.
第1组封闭曲线中Line1，Line2和Line3全部在草图中完成，并对其施加尺寸约束和几何约束，尺寸约束如图4b所示.其中，Wup为机尾上表面宽度，H为机尾髙度，为机尾下表面宽度；改变这3个参数，可驱动工业缝纫机主表面发生改变.
几何约束保证封闭曲线各连接关系不变.控制曲线LawCurve1与LawCurve2为外形变化控制规律曲线，其参数方程表达式如式(1),(2)所示，2条控制曲线均以图4中Line1的中点A作为参考点.基准平面2内封闭曲线组构造方法与基准平面1内封闭曲线构造方法类似，本文不再详述.
基于上述工作，以图4a所示基准平面1内的Line1,Line3及控制曲线LawCurve1与LawCurve2组成的封闭曲线作为截面线，利用UG实体造型中的拉伸(Ejanjde〉功能,沿Line5方向拉伸形成实体SolidA;然后再利用自由曲面造型功能中的StudioSurface1乂1，分别选择LawCurve1和LawCurve3形成自由曲面，如图4a所7P;同样，选择LawCurve2和LawCurve4形成另一自由曲面_最后,用这2个自由曲面剪切前面通过拉伸生成的实体SolidA,郎得到工业缝纫机侧表面.
1.2.3外形设计实例
为使工业缝纫机外形模型符合实际，模型对应的17个特征参数必须在一合理范围之内取值.根据对现有各种缝纫机产品尺寸、比例等形态要素的取值进行测量J3纳，本文确定了17个特征参数的扱大值和极小值,并且对其进行了归一化处理，具体方法如下：
.
图5所示为4个缝纫机模型，分别对应4组不同特征参数（主要区别为特征参数尸^尸卜戶⑴值).
2.基于BP网络的工业缝纫机美学评价系统
2.1 调査样本的生成
本文的调查样本数目为100个，通过给定100组不同的工业缝纫机模型特征参数生成.从中随机选择80个模型样本作为BP网络评价系统的学习集，其余20组作为测试集以测量评价系统的泛化误差.
本文将100个调查样本分为和J4类，H类体现在缝纫机模型机头、机身的不同形态；C类体现缝纫机内曲线、机头主视图和机尾主视图的不同形态；B类体现在缝纫机比例形态变化;J类体现缝纫机中部主轴截面、机尾截面的不同形态.
2.2调査问卷的设计及调查结果的处理
产品使用者是产品市场要素的关键环节，是创造新产品的主要依据.设计新产品的目的即为使用者、消费者服务，因此选择美学评价指标时，应尽量选用消费者常用评价用语.本文选出具有代表意义的5个评价指标描述工业缝纫机美学：1)独特的-大众化的;2)协调的-怪异的;3)小巧的-粗大的;4)圆滑的-棱角的；5)满意的-不满意的.每组评价用语评价尺度分5个等级.
通过对50位客户调查获得了上述100个调查样本的调研数据.对于任一调查样本，其调研数据可表示为矩阵％(矩阵V,的列数为美学评价指标数,行数为被访者数目
2．3美学评价网络的构造
2．3．1神经网络的选择
本文选择BP神经网络构造美学评价系统．网络输入向量对应缝纫机外形模型17个特征参数值
，期望输出向量对应该模型的5个美学评价指标值
学习样本
对网络进行训练．
2.3.2BP神经网络层数选择及各层节点确定
工业缝纫机美学评价系统采用3层BP网络结构.输人节点为控制工业缝纫机外形的17个特征参数，输出节点为对应该模型的5个美学评价指标值，故网络输入节点数为17，输出节点数为5.采用实验尝试方法确定隐层节点数为15.隐层采用双曲S型传递函数，输出层采用对数S型传递函数.
2.3.3算法流程
工业缝纫机美学评价系统算法流程如图6所示，
输出向量对应该模型的5个美学评价指标值V=[0[%，处，…，火5]d=l，2，一，80.以80对学习样本（&，17)对网络进行训练.对训练后的神经网络应用剩余20组样本作为测试集对其测试，得到误差平方和为0.687263.美学评价指标两相邻判定尺度间的取值相差为1，考虑到美学特性的人为主观因素等影响，该误差是可接受的，从而证明该美学评价体系能够作出合理评价，具有较强的泛化能力.本评价程序建立在Matlab软件平台，使得程序易于移植和扩充，提高了软件的可靠性.
3.基于美学评价系统的最佳缝纫机外形样例
5个美学评价指标中，满意度指标表明顾客的综合满意程度,其他指标分别侧重于缝纫机美学的不同侧面.本文以满意度最大为目标函数，利用上述神经网络评价系统，获得了满意度值最大的一组工业缝纫机模型特征参数值，如表5所示.该组特征参数在评价指标丨独特性，协调性，小巧性，圆滑性,满意度丨下的评价分值为I_1.4005,1.9339，0.7413,1.1033,1,7291丨.图7给出了对应不同视图方向的三维参数化模型.
4.结论
本文以工业缝纫机为例，提出了一种基于美学特征的参数化外形设计方法.该方法用模型的形状控制参数表达其美学形态要素，通过修改特征参数，可生成多种形态的工业缝纫机外形模型，从而满足不同客户的需求.该方法可扩展到其他产品的外形设计之中，将人工神经网络技术应用于上述三维参数化模型的美学评价,是对人工神经网络应用领域的新拓展，应用训练好的评价系统，对于任意给定的一组特征参数，都可得到对应该模型的美学评价结果；最后给出了基于该评价系统的最佳美学特性的三维模型.
