多目標(biāo)驅(qū)動(dòng)的拖拉機(jī)產(chǎn)品族外形基因設(shè)計(jì)

柳 祿，章永年，丁為民，康 敏

?

多目標(biāo)驅(qū)動(dòng)的拖拉機(jī)產(chǎn)品族外形基因設(shè)計(jì)

柳 祿1,2，章永年1，丁為民1，康 敏1,2※

（1. 南京農(nóng)業(yè)大學(xué)工學(xué)院，南京 210031；2. 南京農(nóng)業(yè)大學(xué)（灌云）現(xiàn)代農(nóng)業(yè)裝備研究院，灌云 222200）

為塑造標(biāo)志性的品牌造型元素及獨(dú)特的品牌形象，提高農(nóng)機(jī)用戶(hù)對(duì)拖拉機(jī)外形設(shè)計(jì)的滿意度，提出一種多目標(biāo)驅(qū)動(dòng)的拖拉機(jī)產(chǎn)品族外形基因進(jìn)化設(shè)計(jì)方法。在拖拉機(jī)產(chǎn)品族外形基因的提取、變異系數(shù)分析的基礎(chǔ)上，構(gòu)建了多目標(biāo)驅(qū)動(dòng)的拖拉機(jī)產(chǎn)品族外形基因進(jìn)化設(shè)計(jì)模型，研究了基于形態(tài)學(xué)矩陣的產(chǎn)品族外形基因進(jìn)化解空間，并采用快速非支配遺傳算法對(duì)多目標(biāo)決策模型進(jìn)行求解。以某企業(yè)產(chǎn)輪式拖拉機(jī)為例，分析了品牌識(shí)別、用戶(hù)意象、社會(huì)情境3目標(biāo)驅(qū)動(dòng)的產(chǎn)品族外形基因進(jìn)化設(shè)計(jì)過(guò)程，并建立了拖拉機(jī)產(chǎn)品族側(cè)面外形基因計(jì)算機(jī)輔助設(shè)計(jì)系統(tǒng)，將獲得的子代方案與所選取的樣本p15的外形方案進(jìn)行對(duì)比評(píng)價(jià)。結(jié)果表明：子代方案能較好地延續(xù)該品牌原有產(chǎn)品造型特征與風(fēng)格；同時(shí)，相較于樣本p15，子代方案對(duì)品牌識(shí)別、用戶(hù)意象、社會(huì)情境的符合程度分別提高了30%、54%、80%，驗(yàn)證了方法的可行性與有效性。

拖拉機(jī)；設(shè)計(jì)；模型；產(chǎn)品族；外形基因；NSGA-Ⅱ遺傳算法；感性工學(xué)

0 引 言

中國(guó)的農(nóng)業(yè)機(jī)械企業(yè)雖然數(shù)量眾多，但產(chǎn)品設(shè)計(jì)美學(xué)風(fēng)格不明顯，品牌影響力較小，產(chǎn)品附加值低，而拖拉機(jī)作為農(nóng)業(yè)生產(chǎn)中最重要的動(dòng)力機(jī)械，在農(nóng)業(yè)機(jī)械化中占有舉足輕重的地位。因此，利用現(xiàn)代工業(yè)設(shè)計(jì)方法對(duì)拖拉機(jī)進(jìn)行美學(xué)設(shè)計(jì)以提升產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)力與附加價(jià)值，受到越來(lái)越多學(xué)者和企業(yè)的重視[1]。然而在拖拉機(jī)美學(xué)設(shè)計(jì)過(guò)程中，面臨產(chǎn)品美學(xué)風(fēng)格與用戶(hù)審美需求存在差異，產(chǎn)品美學(xué)設(shè)計(jì)與企業(yè)品牌建設(shè)脫節(jié)，缺乏標(biāo)志性的品牌外形元素及獨(dú)特的品牌外形基因等諸多問(wèn)題。如何科學(xué)地將企業(yè)品牌文化與用戶(hù)審美需求融入拖拉機(jī)產(chǎn)品外形設(shè)計(jì)中，繼而形成品牌獨(dú)有的產(chǎn)品族外形基因是本領(lǐng)域面臨的關(guān)鍵問(wèn)題。

產(chǎn)品的開(kāi)發(fā)過(guò)程是一個(gè)反復(fù)迭代、不斷優(yōu)化與淘汰的過(guò)程。產(chǎn)品族外形基因，就是將生物界中基因遺傳與變異的概念引入產(chǎn)品外形設(shè)計(jì)中，探討面向工業(yè)設(shè)計(jì)的產(chǎn)品族外形基因遺傳和變異特質(zhì)[2-3]。產(chǎn)品族外形基因研究的關(guān)鍵技術(shù)主要有外形基因的提取與表達(dá)、造型意象與產(chǎn)品族外形基因之間的映射、外形基因的進(jìn)化生成。目前，已有學(xué)者圍繞以上內(nèi)容進(jìn)行了相關(guān)研究，但主要集中于家用汽車(chē)[4-5]、手機(jī)[6-7]、電話機(jī)[8]等普通消費(fèi)品，研究外形基因的提取與表達(dá)。如周小舟等[9]綜合應(yīng)用多種感性工學(xué)方法提取產(chǎn)品族設(shè)計(jì)DNA可遺傳因子；胡偉峰等[10]運(yùn)用口語(yǔ)分析、訪談和草圖分析提取奧迪汽車(chē)品牌造型基因；盧兆麟等[11]運(yùn)用設(shè)計(jì)形態(tài)分析法和語(yǔ)意差異法分別提取產(chǎn)品的顯性風(fēng)格特征與隱性風(fēng)格特征。另外，在外形基因的進(jìn)化生成方面，現(xiàn)有研究主要面向單一驅(qū)動(dòng)目標(biāo)、多采用標(biāo)準(zhǔn)遺傳算法[12-14]實(shí)現(xiàn)產(chǎn)品造型的進(jìn)化設(shè)計(jì)。如柳祿等[15]分析了品牌約束下設(shè)計(jì)意象詞匯與產(chǎn)品基因的提取過(guò)程，提出面向品牌識(shí)別的產(chǎn)品造型基因設(shè)計(jì)模型；羅仕鑒等[16]研究了消費(fèi)者偏好與產(chǎn)品族外形基因之間的映射模型，并運(yùn)用遺傳算法實(shí)現(xiàn)偏好驅(qū)動(dòng)的SUV 產(chǎn)品族側(cè)面輪廓線基因進(jìn)化；蘇建寧等[17]消費(fèi)者多意象需求的產(chǎn)品造型進(jìn)化設(shè)計(jì)；羅仕鑒等[18]探討了產(chǎn)品族外形基因與品牌風(fēng)格基因的映射、評(píng)價(jià)與優(yōu)化。然而，在實(shí)際設(shè)計(jì)項(xiàng)目中，企業(yè)往往期望將品牌識(shí)別、用戶(hù)風(fēng)格意象、社會(huì)情境等因素同時(shí)融入產(chǎn)品外形基因設(shè)計(jì)中，獲得能體現(xiàn)品牌精神與內(nèi)涵、符合消費(fèi)者風(fēng)格意象、體現(xiàn)當(dāng)下社會(huì)的審美情趣的外形方案。綜上，由于中國(guó)拖拉機(jī)企業(yè)的品牌規(guī)模、發(fā)展歷程、消費(fèi)對(duì)象有著自身的特殊屬性，現(xiàn)有設(shè)計(jì)方法在解決拖拉機(jī)產(chǎn)品族外形基因設(shè)計(jì)時(shí)，存在一定的局限性。

本文在前人的研究基礎(chǔ)上，首先分析多目標(biāo)驅(qū)動(dòng)的拖拉機(jī)產(chǎn)品族外形基因設(shè)計(jì)整體流程，構(gòu)建多目標(biāo)驅(qū)動(dòng)的拖拉機(jī)外形基因設(shè)計(jì)進(jìn)化模型；其次，提出基于形態(tài)學(xué)矩陣與改進(jìn)的非支配排序遺傳算法（non-dominated sorting genetic algorithm-Ⅱ, NSGA―Ⅱ）的產(chǎn)品族外形基因進(jìn)化設(shè)計(jì)方法與關(guān)鍵技術(shù)；最后以某企業(yè)產(chǎn)輪式拖拉機(jī)為例，分析了品牌識(shí)別（brand identity）、用戶(hù)意象（user image）與社會(huì)情境（social situation）3目標(biāo)驅(qū)動(dòng)的產(chǎn)品族外形基因進(jìn)化設(shè)計(jì)過(guò)程，建立了面向輪式拖拉機(jī)產(chǎn)品族的計(jì)算機(jī)輔助側(cè)面外形概念設(shè)計(jì)系統(tǒng)，以期為相關(guān)產(chǎn)品設(shè)計(jì)與研究提供參考。

1 產(chǎn)品族外形基因表達(dá)與多目標(biāo)驅(qū)動(dòng)模型

1.1 產(chǎn)品族外形基因表達(dá)

產(chǎn)品族是以產(chǎn)品平臺(tái)為基礎(chǔ)，通過(guò)添加不同的模塊開(kāi)發(fā)系列產(chǎn)品以滿足細(xì)分市場(chǎng)不同用戶(hù)的需求[19]。在工業(yè)設(shè)計(jì)領(lǐng)域，產(chǎn)品外形一般由若干外形特征構(gòu)成，各外形特征由一定的外形元素按照一定的設(shè)計(jì)文法組織而成[20]，各產(chǎn)品系列之間的外形特征存在共性與個(gè)性。根據(jù)知覺(jué)是對(duì)客觀事物的整體的反映，產(chǎn)品外形特征中一般整體造型意象在先，然后才是局部造型特征[21]。基于以上分析，將產(chǎn)品外形特征分為整體外形特征與局部外形特征，局部外形特征又包含通用外形特征與個(gè)性外形特征。

因此，可以將產(chǎn)品族外形基因分為整體基因（whole DNA，WDNA）與局部基因（local DNA，LDNA）。整體基因一般指產(chǎn)品的外部輪廓形狀、主要部件等能體現(xiàn)品牌風(fēng)格與整體造型意象的造型特征。局部基因包含通用基因（general DNA，GDNA）與個(gè)性基因（individual DNA，IDNA）。通用基因指品牌所有產(chǎn)品或者多數(shù)產(chǎn)品所具備的造型結(jié)構(gòu)特征，如：拖拉機(jī)造型中的品牌Logo，進(jìn)氣格柵、車(chē)燈等；個(gè)性基因是指某類(lèi)型產(chǎn)品所獨(dú)具的，不同系列產(chǎn)品之間具有不同表現(xiàn)的造型結(jié)構(gòu)特征，如履帶式與輪式拖拉機(jī)的行走結(jié)構(gòu)，拖拉機(jī)封閉式的駕駛室與開(kāi)放式的車(chē)頂棚。產(chǎn)品族外形基因可以表示為

式中PFDNA為產(chǎn)品族設(shè)計(jì)DNA；GDNA表示某通用DNA；IDNA表示某個(gè)性DNA；WDNA表示某整體造型DNA。

1.2 多目標(biāo)驅(qū)動(dòng)的拖拉機(jī)產(chǎn)品族外形基因進(jìn)化模型

由于多目標(biāo)驅(qū)動(dòng)的拖拉機(jī)產(chǎn)品族外形基因的生成過(guò)程主要與產(chǎn)品外形特征的提取、變異系數(shù)分析、感性詞匯的獲取、感性詞匯與外形元素的映射、產(chǎn)品族外形基因進(jìn)化驅(qū)動(dòng)模型與進(jìn)化生成等因素相關(guān)，因此產(chǎn)品族外形基因生成模型主要對(duì)這些因素進(jìn)行描述。多目標(biāo)驅(qū)動(dòng)的產(chǎn)品族外形基因進(jìn)化模型為

={P，P，D，md：P?D，T，(x)} （2）

式中P={P|i}為產(chǎn)品外形特征集合，P為第個(gè)外形特征；P={P|j}為外形元素集合，P為第個(gè)外形特征的第個(gè)外形元素；D={D|i}為依據(jù)驅(qū)動(dòng)目標(biāo)獲取的感性詞匯集合；md:P?D為外形元素集合和感性詞匯集合的映射關(guān)系；T為設(shè)定的驅(qū)動(dòng)目標(biāo)；(x)為依據(jù)驅(qū)動(dòng)目標(biāo)建立的驅(qū)動(dòng)模型；為產(chǎn)品外形特征的個(gè)數(shù)；為某外形特征的外形元素個(gè)數(shù)；為提取的感性詞匯個(gè)數(shù)。基于該模型的多目標(biāo)驅(qū)動(dòng)的產(chǎn)品族外形基因進(jìn)化設(shè)計(jì)流程如圖1所示。

注：DFA為設(shè)計(jì)形態(tài)分析法的縮寫(xiě)；SD為語(yǔ)義差異法的縮寫(xiě)。

2 關(guān)鍵技術(shù)

2.1 產(chǎn)品族外形基因的提取與變異系數(shù)分析

產(chǎn)品族外形基因的提取要求針對(duì)某一品牌，廣泛收集該品牌的產(chǎn)品，將其按照不同的產(chǎn)品類(lèi)別、歷史階段或者上市時(shí)間劃分為若干代，每代產(chǎn)品挑選一定數(shù)量的樣本并進(jìn)行編號(hào)。由于每個(gè)產(chǎn)品包含的外形特征較多，首先利用專(zhuān)家訪談法找出產(chǎn)品外形特征中主要的可識(shí)別特征，包括整體外形特征與局部外形特征。然后利用設(shè)計(jì)形態(tài)分析法（design format analysis，DFA）進(jìn)行調(diào)查與分析。最后，為了分析以上外形特征“性狀”的穩(wěn)定性，找出其中的遺傳與變異規(guī)律，對(duì)以上外形特征做離散度分析。采用變異系數(shù)作為評(píng)價(jià)指標(biāo)，計(jì)算公式為

2.2 基于形態(tài)學(xué)矩陣的產(chǎn)品族外形基因進(jìn)化設(shè)計(jì)解空間

形態(tài)學(xué)分析（morphological analysis，MA）由物理學(xué)家Fritz Zwicky博士提出，已廣泛運(yùn)用于設(shè)計(jì)工程[22]、制造工程[23]等領(lǐng)域。其主要特點(diǎn)是將研究對(duì)象分解為若干基本要素，對(duì)每個(gè)基本要素分別提供可選方案并進(jìn)行精確評(píng)價(jià)；通過(guò)建立包含所有基本要素的多維矩陣，評(píng)價(jià)目標(biāo)問(wèn)題所有可能的解決方案。根據(jù)提取的外形特征種類(lèi)，利用產(chǎn)品庫(kù)建立外形元素庫(kù)，構(gòu)成產(chǎn)品外形自動(dòng)求解的基本單元。同時(shí)，為避免同類(lèi)產(chǎn)品外形元素引起的思維定勢(shì)，外形元素庫(kù)中應(yīng)包含一定數(shù)量的從其他產(chǎn)品借鑒并進(jìn)行形態(tài)轉(zhuǎn)換而來(lái)的外形元素。

2.3 驅(qū)動(dòng)目標(biāo)與外形元素的映射

產(chǎn)品族外形基因進(jìn)化設(shè)計(jì)的目標(biāo)包括品牌識(shí)別、用戶(hù)風(fēng)格意象、子代產(chǎn)品創(chuàng)新度、工藝成本等。對(duì)感性需求一般通過(guò)語(yǔ)義轉(zhuǎn)化，利用感性詞匯進(jìn)行描述，并以語(yǔ)義差異法（semantic differential，SD）、Likert心理量表為基礎(chǔ)、結(jié)合因子分析[6]、聯(lián)合分析[8]、數(shù)量化一類(lèi)[24]、模糊神經(jīng)網(wǎng)絡(luò)[25]等多種數(shù)學(xué)方法和計(jì)算機(jī)技術(shù)分別建立起感性詞匯與產(chǎn)品族外形元素之間的映射關(guān)系。對(duì)工藝成本與產(chǎn)品創(chuàng)新度，可通過(guò)成本調(diào)查法、企業(yè)產(chǎn)品案例庫(kù)或企業(yè)設(shè)計(jì)知識(shí)庫(kù)，產(chǎn)品相似度等方法獲取并建立與外形元素之間的映射關(guān)系。

2.4 多目標(biāo)決策模型

以品牌識(shí)別、用戶(hù)意象與社會(huì)情境3目標(biāo)驅(qū)動(dòng)的產(chǎn)品族外形基因的進(jìn)化設(shè)計(jì)為例，研究多目標(biāo)驅(qū)動(dòng)的拖拉機(jī)產(chǎn)品族外形基因設(shè)計(jì)。為方便建模，對(duì)決策變量做如下定義：

2.4.1 品牌識(shí)別度

品牌識(shí)別包括品牌精髓、品牌核心識(shí)別和品牌延伸識(shí)別，具體又包括企業(yè)精神、企業(yè)理念、企業(yè)文化、品牌歷史、品牌視覺(jué)識(shí)別系統(tǒng)（visual identity system，VIS）、品牌個(gè)性產(chǎn)品特性、質(zhì)量品質(zhì)、使用體驗(yàn)等9項(xiàng)內(nèi)容[7]。利用外形元素庫(kù)與品牌識(shí)別度的映射關(guān)系，對(duì)構(gòu)筑的方案解空間中任意外形方案的品牌識(shí)別度，可由構(gòu)成該方案的各外形元素在品牌識(shí)別度的均值體現(xiàn)。將品牌識(shí)別度的目標(biāo)函數(shù)定義為

式中(B)表示外形方案的品牌識(shí)別度。

2.4.2 用戶(hù)意象滿足度

用戶(hù)意象指消費(fèi)者對(duì)拖拉機(jī)產(chǎn)品造型的需求與審美偏好，主要通過(guò)用戶(hù)調(diào)研預(yù)測(cè)用戶(hù)審美需求，提取用戶(hù)和市場(chǎng)的需求特征，并建立外形元素與用戶(hù)風(fēng)格意象的映射關(guān)系。對(duì)構(gòu)筑的方案解空間中任意外形方案的用戶(hù)意象滿意度，可由構(gòu)成該方案的各外形元素在用戶(hù)意象的平均滿足程度體現(xiàn)。將用戶(hù)意象滿足度的目標(biāo)函數(shù)定義為

式中(U)表示外形方案的用戶(hù)風(fēng)格意象滿足度。

2.4.3 社會(huì)情境符合度

社會(huì)情境指與社會(huì)流行文化、行業(yè)流行風(fēng)格與發(fā)展趨勢(shì)等密切相關(guān)的造型語(yǔ)言，體現(xiàn)當(dāng)下社會(huì)的審美情趣，具有明顯的時(shí)代氣息，主要通過(guò)對(duì)知名企業(yè)最新產(chǎn)品與概念產(chǎn)品的風(fēng)格特征調(diào)研，結(jié)合設(shè)計(jì)師敏銳的市場(chǎng)嗅覺(jué)捕獲，并建立外形元素與社會(huì)情境的映射關(guān)系。對(duì)構(gòu)筑的方案解空間中任意外形方案的社會(huì)情境符合程度，可由構(gòu)成該方案的各外形元素在社會(huì)情境的平均符合程度體現(xiàn)。將社會(huì)情境符合度的目標(biāo)函數(shù)定義為

式中(C)外形方案的社會(huì)情境符合度。

2.4.4 多目標(biāo)決策模型

將以上3方面結(jié)合，驅(qū)動(dòng)拖拉機(jī)產(chǎn)品族外形基因的進(jìn)化生成，既能形成體現(xiàn)品牌精神與文化內(nèi)涵的產(chǎn)品族外形基因，又能滿足農(nóng)機(jī)用戶(hù)的審美需求，同時(shí)隨著用戶(hù)審美意象與社會(huì)情境的改變，產(chǎn)品族外形基因得以進(jìn)化。通過(guò)以品牌識(shí)別度目標(biāo)函數(shù)最大化、用戶(hù)意象滿足度目標(biāo)函數(shù)最大化、社會(huì)情境符合度最大化為優(yōu)化目標(biāo)，建立多目標(biāo)優(yōu)化驅(qū)動(dòng)模型及約束：

相應(yīng)約束條件：

式中1、23分別表示外形方案所要求的品牌識(shí)別度的最低限度、用戶(hù)風(fēng)格意象滿足度的最低限度、社會(huì)情境符合度的最低限度。

2.5 基于NGSA-Ⅱ的產(chǎn)品族外形基因決策模型求解

上述多目標(biāo)決策模型求解屬于典型的帶約束多目標(biāo)優(yōu)化（multi-objective optimization，MO）問(wèn)題。由于產(chǎn)品外形設(shè)計(jì)本質(zhì)上是一個(gè)復(fù)雜的基于知識(shí)與經(jīng)驗(yàn)的創(chuàng)造性活動(dòng)，因此，在求解結(jié)果時(shí)更希望得到有助于設(shè)計(jì)師后續(xù)設(shè)計(jì)的多個(gè)最優(yōu)解，而非將多目標(biāo)問(wèn)題分解為單目標(biāo)求單個(gè)最優(yōu)解。NGSA-Ⅱ是由Deb等[26]在非支配遺傳算法（non-dominated sorting genetic algorithm，NSGA）的基礎(chǔ)上改進(jìn)而來(lái)，因其在問(wèn)題空間搜索能力、解的分布與覆蓋度方面優(yōu)于其他多目標(biāo)求解算法，如小生境遺傳算法、多目標(biāo)遺傳算法、強(qiáng)度帕累托進(jìn)化算法，而被用于產(chǎn)品開(kāi)發(fā)[27]，工程優(yōu)化設(shè)計(jì)[28-29]等領(lǐng)域。在建立上述多目標(biāo)決策模型的基礎(chǔ)上，本文基于NGSA-Ⅱ?qū)Χ嗄繕?biāo)驅(qū)動(dòng)的產(chǎn)品族外形基因進(jìn)化模型進(jìn)行求解，具體流程如圖2所示。

圖2 基于NGSA-Ⅱ產(chǎn)品族外形基因進(jìn)化模型求解流程

3 應(yīng)用實(shí)例

以某企業(yè)產(chǎn)輪式拖拉機(jī)為例，說(shuō)明上述品牌識(shí)別、用戶(hù)意象、社會(huì)情境3個(gè)目標(biāo)驅(qū)動(dòng)的產(chǎn)品族外形基因生成模型與方法應(yīng)用。

3.1 感性詞匯的提取

建立信息庫(kù)與產(chǎn)品庫(kù)。信息庫(kù)包括品牌識(shí)別的具體內(nèi)容、感性詞匯庫(kù)。品牌識(shí)別內(nèi)容可從企業(yè)直接獲取，感性詞匯庫(kù)以體現(xiàn)農(nóng)業(yè)機(jī)械美學(xué)風(fēng)格為原則，通過(guò)網(wǎng)絡(luò)、書(shū)籍、報(bào)刊等途徑獲取。產(chǎn)品庫(kù)分為用戶(hù)意象與社會(huì)情境兩類(lèi)，包括自有產(chǎn)品、同類(lèi)產(chǎn)品、其他產(chǎn)品。用戶(hù)意象樣本庫(kù)要求廣泛選取不同種類(lèi)與風(fēng)格的農(nóng)業(yè)機(jī)械產(chǎn)品；社會(huì)情境樣本庫(kù)包括汽車(chē)、服裝、電子等行業(yè)知名品牌的最新產(chǎn)品與概念產(chǎn)品。從樣本庫(kù)中各優(yōu)選出1組具有代表性的產(chǎn)品作為試驗(yàn)樣本。

對(duì)于用戶(hù)意象與社會(huì)情境的產(chǎn)品樣本，首先通過(guò)訪談法獲取被試對(duì)產(chǎn)品樣本外形的原始感性語(yǔ)言描述，即利用生活化的簡(jiǎn)短語(yǔ)句描述其當(dāng)時(shí)的想法與感覺(jué)。然后利用語(yǔ)義轉(zhuǎn)化法結(jié)合感性詞匯庫(kù)，將以上描述性語(yǔ)言、品牌識(shí)別的內(nèi)容轉(zhuǎn)化為感性詞匯，獲取初步感性詞匯。將獲得初步感性詞匯利用SD法，分別針對(duì)品牌識(shí)別內(nèi)容、用戶(hù)意象產(chǎn)品樣本、社會(huì)情境產(chǎn)品樣本制定1～9分Likert調(diào)研問(wèn)卷。用戶(hù)意象與社會(huì)情境需加入一對(duì)反映偏好的形容詞，即“不喜歡～喜歡”。

將獲取的數(shù)據(jù)利用SPSS19.0處理。首先將初步感性詞匯對(duì)用戶(hù)意象與社會(huì)情境做相關(guān)性分析，剔除與偏好相關(guān)性較小的詞匯；然后利用因子分析進(jìn)行降維；最后將各感性詞匯的因素負(fù)荷量進(jìn)行系統(tǒng)聚類(lèi)，初步確定分類(lèi)數(shù)量，再進(jìn)行-均值聚類(lèi)，選取距離其所屬群中心點(diǎn)距離最短的詞匯作為該群所代表性意象詞匯，提取的感性詞匯如表1所示。

表1 感性詞匯

經(jīng)與企業(yè)商討，選取穩(wěn)重感、大氣感作為品牌識(shí)別的感性詞匯。用戶(hù)意象則呈現(xiàn)出兩種不同的風(fēng)格意象需求，一種偏向時(shí)尚感與流暢感；另一種偏向整體感與粗獷感；可根據(jù)產(chǎn)品的實(shí)際目標(biāo)人群進(jìn)行選擇，本次選擇時(shí)尚感與流暢感。社會(huì)情境中有現(xiàn)代感和流暢感，與用戶(hù)意象的時(shí)尚感、流暢感相似，也印證了消費(fèi)者的審美需求會(huì)受到社會(huì)流行風(fēng)格的影響，為更好地滿足社會(huì)情境，本次選擇科技感與專(zhuān)精感。

3.2 產(chǎn)品族外形基因的提取與變異系數(shù)分析

以該企業(yè)的輪式拖拉機(jī)作為研究對(duì)象，從產(chǎn)品庫(kù)中選取該企業(yè)輪式拖拉機(jī)的圖片，去除類(lèi)型接近的。根據(jù)產(chǎn)品上市時(shí)間及專(zhuān)家建議，該企業(yè)輪式拖拉機(jī)可分為3代。在3代輪式拖拉機(jī)中各選取5款具有代表性的車(chē)型（不同用途、型號(hào)、功率）作為調(diào)查樣本并進(jìn)行p1～p15編號(hào)，p1～p5為第一代，p6～p10為第二代，p11～p15為第三代。其中，無(wú)駕駛室樣本10個(gè)，有駕駛室樣本5個(gè)（第二代2個(gè)，第三代3個(gè)，第一代樣本由于產(chǎn)品所處的歷史階段較早，均無(wú)駕駛室）。每個(gè)產(chǎn)品樣本圖片要求具備正視圖、側(cè)視圖、軸測(cè)圖3個(gè)視角。

產(chǎn)品造型一般有很多外形特征構(gòu)成，讓所有外形特征都成為吸引消費(fèi)者視線的外形元素幾無(wú)可能。而某些外形特征因具備高度識(shí)別性，因而能夠成為消費(fèi)者的視覺(jué)重點(diǎn)。根據(jù)專(zhuān)家建議，列舉出可體現(xiàn)輪式拖拉機(jī)產(chǎn)品整體外形特征與局部外形特征的典型外形特征10項(xiàng)，構(gòu)成輪式拖拉機(jī)產(chǎn)品族外形基因，如圖3所示，并按照產(chǎn)品族外形基因的表達(dá)方式區(qū)分整體外形基因、通用外形基因，個(gè)性外形基因。利用專(zhuān)家訪談法對(duì)該品牌輪式拖拉機(jī)典型造型特征進(jìn)行分析，對(duì)其主要的形態(tài)特征進(jìn)行描述，并繪制示意圖。制作DFA調(diào)查表，以非常符合、較為符合、不符合分別對(duì)應(yīng)分值2分、1分、0分，將產(chǎn)品樣本p1～p15與典型造型的形態(tài)特征進(jìn)行逐一對(duì)照。共得到有效調(diào)查表37份，無(wú)效調(diào)查表0份。數(shù)據(jù)用SPSS軟件處理，統(tǒng)計(jì)結(jié)果如表2所示。從表2可以看出，10項(xiàng)典型造型特征在各樣本中得分均值的總分普遍較高（以15分為基準(zhǔn)分，駕駛室側(cè)面輪廓基準(zhǔn)分為5分），驗(yàn)證了這些典型造型特征具備突出的代表性，能夠作為該企業(yè)輪式拖拉機(jī)的產(chǎn)品族外形基因的構(gòu)成要素。

利用式（3）進(jìn)行變異系數(shù)分析，如表2所示，變異系數(shù)較小分別是特征1、特征2、特征3、特征5、特征8（變異系數(shù)小于20%），表明該項(xiàng)特征在所有樣本中分布較為均勻，在代際變換中被穩(wěn)定的遺傳下來(lái)，因此在產(chǎn)品族外形基因進(jìn)化生成時(shí)主要進(jìn)行遺傳。特征4、特征6、特征7、特征9、特征10的變異系數(shù)較大（變異系數(shù)大于20%），其“性狀”表現(xiàn)不穩(wěn)定，在產(chǎn)品族外形基因進(jìn)化生成時(shí)主要進(jìn)行變異。

圖3 輪式拖拉機(jī)產(chǎn)品族外形基因的構(gòu)成

表2 典型外形特征設(shè)計(jì)形態(tài)分析法統(tǒng)計(jì)結(jié)果

注：p1～p15分別為樣本1～樣本15的編號(hào)；“-”為無(wú)此特征。

Note: p1-p15 are serial numbers of sample 115, respectively. “-” is without this feature.

3.3 建立形態(tài)學(xué)矩陣與映射關(guān)系

相關(guān)研究表明，側(cè)面外形是影響汽車(chē)類(lèi)產(chǎn)品整體外形意象的主要視覺(jué)特征[30]，因此，本例中以拖拉機(jī)側(cè)面外形特征作為研究對(duì)象。首先通過(guò)工業(yè)設(shè)計(jì)專(zhuān)家依據(jù)提取的感性詞匯，將變異系數(shù)較大的5項(xiàng)外形特征，從外形元素庫(kù)中分別選取10個(gè)外形元素并編號(hào)，建立形態(tài)學(xué)矩陣，通過(guò)排列組合可產(chǎn)生105種外形方案，選取的外形元素如表3所示。然后制作Likert 5級(jí)心理量表，選取46名被試者，針對(duì)提取的感性詞匯對(duì)每個(gè)外形元素進(jìn)行感性評(píng)價(jià)，依據(jù)獲取的數(shù)據(jù)建立外形元素與驅(qū)動(dòng)目標(biāo)的映射關(guān)系，并對(duì)數(shù)據(jù)歸一化處理。選取的外形元素與驅(qū)動(dòng)目標(biāo)的映射關(guān)系如表4所示。

3.4 產(chǎn)品族外形基因進(jìn)化設(shè)計(jì)求解

本例采用MATLAB R2014b對(duì)以上3個(gè)目標(biāo)驅(qū)動(dòng)的拖拉機(jī)產(chǎn)品族外形基因進(jìn)化設(shè)計(jì)進(jìn)行求解。采用實(shí)數(shù)編碼的方式，以設(shè)定的品牌識(shí)別度、用戶(hù)意象滿足度、社會(huì)情境符合度的目標(biāo)函數(shù)作為適應(yīng)度函數(shù)。設(shè)定最大進(jìn)化代數(shù)為max=200，內(nèi)部種群規(guī)模=100，交叉概率為P=0.9，變異概率P=0.1，設(shè)定約束條件1≥0.6，2≥0.63≥0.6，并將最大進(jìn)化代數(shù)作為本程序的終止條件。經(jīng)程序運(yùn)行求得Pareto最優(yōu)解如圖4所示，共計(jì)5個(gè)。表5為5個(gè)Pareto最優(yōu)解對(duì)應(yīng)的產(chǎn)品族外形元素構(gòu)成。

3.5 拖拉機(jī)產(chǎn)品族計(jì)算機(jī)輔助側(cè)面外形設(shè)計(jì)系統(tǒng)

在多目標(biāo)驅(qū)動(dòng)的拖拉機(jī)產(chǎn)品族外形基因進(jìn)化設(shè)計(jì)方法的基礎(chǔ)上，構(gòu)建了面向拖拉機(jī)產(chǎn)品族的計(jì)算機(jī)輔助側(cè)面外形設(shè)計(jì)系統(tǒng)。該系統(tǒng)基于C++環(huán)境構(gòu)建，通過(guò)Qt開(kāi)發(fā)框架實(shí)現(xiàn)用戶(hù)交互操作以及矢量圖形調(diào)用與繪制，可快速實(shí)現(xiàn)拖拉機(jī)側(cè)面造型的整車(chē)方案生成與表達(dá)。

表3 選取的外形元素

表4 外形元素與驅(qū)動(dòng)目標(biāo)的映射

續(xù)表

外形特征Shape features PU外形元素Shape elements PF驅(qū)動(dòng)目標(biāo)Driven objectives 品牌識(shí)別Brand identity xij用戶(hù)意象User image yij社會(huì)情境Social situation zij 登車(chē)梯Boarding ladderPF510.7930.3880.466 PF520.6550.6640.543 PF530.7070.4910.534 PF540.4480.5600.586 PF550.6550.5950.595 PF560.6810.5950.578 PF570.6290.4830.552 PF580.6030.5690.569 PF590.5690.6030.638 PF5100.5000.6030.638

圖4 Pareto最優(yōu)解

表5 Pareto最優(yōu)解對(duì)應(yīng)的產(chǎn)品族外形元素

圖5為拖拉機(jī)產(chǎn)品族側(cè)面外形的概念設(shè)計(jì)輔助系統(tǒng)界面。如圖5a所示，設(shè)計(jì)輔助系統(tǒng)界面分為快速操作、進(jìn)化設(shè)計(jì)基因、遺傳性基因、產(chǎn)品平臺(tái)與已存方案、方案顯示6個(gè)區(qū)域。打開(kāi)軟件系統(tǒng)后，用戶(hù)首先點(diǎn)擊“載入”按鈕，系統(tǒng)會(huì)加載通過(guò)遺傳算法獲得的進(jìn)化設(shè)計(jì)基因編碼組合。雙擊進(jìn)化設(shè)計(jì)基因編碼組合或已存方案，系統(tǒng)會(huì)調(diào)用相應(yīng)圖形并顯示于顯示區(qū)，并可通過(guò)“選中”、“平移”、“縮放”按鈕對(duì)載入到顯示區(qū)域的圖形進(jìn)行選取、平移、縮放的編輯操作。

a. 拖拉機(jī)側(cè)面外形概念設(shè)計(jì)輔助系統(tǒng)界面

a. Assistance system interface of tractor side shape concept design

b. 整車(chē)側(cè)面外形

然后，用戶(hù)可點(diǎn)擊遺傳性基因或產(chǎn)品平臺(tái)的“Load”按鈕繼續(xù)添加遺傳性基因與產(chǎn)品平臺(tái)部件，以完成整車(chē)側(cè)面外形的組合，生成系列子代產(chǎn)品外形設(shè)計(jì)方案，實(shí)現(xiàn)拖拉機(jī)外形的家族化設(shè)計(jì)。組合后形成的方案示例如圖5b所示。當(dāng)用戶(hù)獲得滿意的整車(chē)側(cè)面設(shè)計(jì)方案后，可點(diǎn)擊“保存”按鈕進(jìn)行方案保存，可保存為圖片格式或矢量圖形，為進(jìn)一步精細(xì)設(shè)計(jì)提供參考。

3.6 結(jié)果評(píng)價(jià)

選取子代產(chǎn)品外形方案1與初始方案p15（樣本p15的均值最高，最具代表性）進(jìn)行對(duì)比評(píng)價(jià)，評(píng)價(jià)目標(biāo)包括兩方面：原有造型特征的延續(xù)性及對(duì)品牌識(shí)別、產(chǎn)品意象、社會(huì)情境的符合程度；評(píng)價(jià)方法采用語(yǔ)義差異法。建立7點(diǎn)Likert心理量表（-3～3），組織32名受試者進(jìn)行測(cè)試，包括專(zhuān)業(yè)設(shè)計(jì)師、工業(yè)設(shè)計(jì)學(xué)生、農(nóng)機(jī)用戶(hù)。評(píng)價(jià)結(jié)果顯示：①認(rèn)為子代方案與該品牌原有產(chǎn)品造型特征完全符合、符合、較為符合的共有26人，占測(cè)評(píng)人數(shù)的81.25%，平均分為1.47；②如表6所示，相較于樣本p15，子代方案對(duì)品牌識(shí)別、用戶(hù)意象、社會(huì)情境的3方面平均得分分別提高了0.60、1.08、1.60，符合程度分別提高了30%、54%、80%（以2分為標(biāo)準(zhǔn)分）；2分及以上人數(shù)比例分別由34.37%、28.12%、31.25%提高到71.87%、68.75%、62.5%，說(shuō)明新造型方案達(dá)到了設(shè)計(jì)目標(biāo)。

表6 外形方案評(píng)價(jià)結(jié)果

4 結(jié)論與討論

1）從產(chǎn)品族外形基因進(jìn)化設(shè)計(jì)流程出發(fā)，提出多目標(biāo)驅(qū)動(dòng)的拖拉機(jī)產(chǎn)品族外形基因進(jìn)化設(shè)計(jì)模型，探討了產(chǎn)品族外形基因的提取、變異系數(shù)的確定，外形基因與驅(qū)動(dòng)目標(biāo)的映射，并基于形態(tài)學(xué)矩陣與NGSA-Ⅱ，對(duì)產(chǎn)品族外形基因進(jìn)化設(shè)計(jì)解空間的構(gòu)建與求解過(guò)程進(jìn)行了詳細(xì)研究。

2）實(shí)例評(píng)價(jià)結(jié)果表明，子代方案能較好地延續(xù)該品牌原有產(chǎn)品造型特征與風(fēng)格；同時(shí)，子代方案對(duì)品牌識(shí)別、用戶(hù)意象、社會(huì)情境的符合程度分別提高了30%、54%、80%。彌補(bǔ)了以往設(shè)計(jì)方法僅僅考慮單一驅(qū)動(dòng)目標(biāo)，以及方案生成過(guò)程僅依靠設(shè)計(jì)師創(chuàng)意與靈感的模糊性與不確定性的不足。

本文僅僅研究了拖拉機(jī)的側(cè)面外形基因進(jìn)化設(shè)計(jì)。因此，后續(xù)工作將以此為基礎(chǔ)，研究二維平面外形方案向三維立體外形方案的轉(zhuǎn)化生成技術(shù)；進(jìn)一步探討融合技術(shù)、工藝、成本、標(biāo)準(zhǔn)等多目標(biāo)約束的拖拉機(jī)產(chǎn)品外形基因進(jìn)化設(shè)計(jì)方法，以提高該方法的適用性與完整性。

[1] 高喜銀，蘇珂. 工業(yè)設(shè)計(jì)創(chuàng)新驅(qū)動(dòng)河北農(nóng)機(jī)企業(yè)發(fā)展的路徑研究[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2014，35(6)：336－339.

Gao Xiyin, Su Ke. Study on the path of agricultural machinery enterprise development in Hebei drived by industrial design innovation[J]. Journal of Chinese Agricultural Mechanization, 2014, 35(6): 336－339. (in Chinese with English Abstract)

模糊綜合評(píng)價(jià)模型是由美國(guó)自動(dòng)控制專(zhuān)家L.A.Zade教授提出的，用模糊數(shù)學(xué)對(duì)受到多種因素影響的對(duì)象進(jìn)行定量評(píng)價(jià)。其實(shí)施步驟為：模糊綜合評(píng)價(jià)指標(biāo)構(gòu)建；構(gòu)建權(quán)重向量；構(gòu)建評(píng)價(jià)矩陣；合成評(píng)價(jià)矩陣和向量。該評(píng)價(jià)模型較好地契合了教學(xué)過(guò)程呈現(xiàn)出來(lái)的模糊性等特征。

[2] 羅仕鑒，朱上上，馮騁. 面向工業(yè)設(shè)計(jì)的產(chǎn)品族設(shè)計(jì)DNA[J]. 機(jī)械工程學(xué)報(bào)，2008，44(7)：123－128.

Luo Shijian, Zhu Shangshang, Feng Cheng. Product family design DNA in industrial design[J]. Chinese Journal of Mechanical Engineering, 2008, 44(7): 123－128. (in Chinese with English Abstract)

[3] 盧兆麟，李升波，張悅，等. 面向工業(yè)設(shè)計(jì)的產(chǎn)品設(shè)計(jì)DNA研究現(xiàn)狀與進(jìn)展[J]. 機(jī)械設(shè)計(jì)，2014，31(12)：1－7.

Lu Zhaolin, Li Shengbo, Zhang Yue, et al. Review on design DNA in industrial design[J]. Journal of Machine Design, 2014, 31(12): 1－7. (in Chinese with English Abstract)

[4] McCormack J P, Cagan J. Speaking the Buick language: capturing, understanding, and exploring brand identity with shape grammars[J]. Design Studies, 2004, 25(1): 1－29.

[5] Chen Xiaoli, Li Xiang. Research on the design and extraction of vehicle brand form gene[J]. Applied Mechanics and Materials. 2014, 483: 497－501.

[6] 盧兆麟，湯文成，薛澄岐. 一種基于形狀文法的產(chǎn)品設(shè)計(jì)DNA推理方法[J]. 東南大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，40(4)：704－711.

Lu Zhaolin, Tang Wencheng, Xue Chengqi. Method of design DNA reasoning based on shape grammar[J]. Journal of Southeast University: Natural Science Edition, 2010, 40(4): 704－711. (in Chinese with English Abstract)

[7] 盧兆麟，張悅，F(xiàn)ritz F. 基于映射關(guān)系的產(chǎn)品設(shè)計(jì)DNA描述方法研究[J]. 機(jī)械設(shè)計(jì)，2016，31(9)：1－5.

Lu Zhaolin, Zhang Yue, Fritz F. Study on description method of product design DNA based on mapping[J]. Journal of Machine Design, 2016, 31(9): 1－5. (in Chinese with English Abstract)

[8] 傅業(yè)燾，羅仕鑒. 面向風(fēng)格意象的產(chǎn)品族外形基因設(shè)計(jì)[J]. 計(jì)算機(jī)集成制造系統(tǒng)，2012，18(3)：449－456.

Fu Yetao, Luo Shijian. Style perception-oriented product family shape gene design[J]. Computer Integrated Manufacturing Systems, 2012, 18(3): 449－456. (in Chinese with English Abstract)

[9] 周小舟，薛澄岐，王海燕，等. 產(chǎn)品族設(shè)計(jì)DNA可遺傳因子提取[J]. 東南大學(xué)學(xué)報(bào)：自然科學(xué)版，2016，46(6)：1192－1197.

Zhou Xiaozhou, Xue Chengqi, Wang Haiyan, et al. Extraction of heritable factors of product family design DNA[J]. Journal of Southeast University: Natural Science Edition, 2016, 46(6): 1192－1197. (in Chinese with English Abstract)

[10] 胡偉峰，陳黎，劉蘇，等. 汽車(chē)品牌造型基因提取及可視化研究[J]. 機(jī)械設(shè)計(jì)與研究，2011，27(2)：65－68.

Hu Weifeng, Chen Li, Liu Su, et al. Research on the extraction and visualization of vehicle brand form gene[J]. Machine Design and Research, 2011, 27(2): 65－68. (in Chinese with English Abstract)

[11]盧兆麟，薛澄岐，湯文成，等. 工業(yè)設(shè)計(jì)中基于風(fēng)格特征的產(chǎn)品設(shè)計(jì)DNA研究[J]. 機(jī)械設(shè)計(jì)，2010，27(7)：8－14.

Lu Zhaolin, Xue Chengqi, Tang Wencheng, et al. Research on product design DNA based on stylistic feature in industrial design[J]. Journal of Machine Design, 2010, 27(7): 8－14. (in Chinese with English Abstract)

[12] 景春暉，趙江洪. 基于進(jìn)化思想的汽車(chē)造型優(yōu)化設(shè)計(jì)方法研究[J]. 中國(guó)機(jī)械工程，2014，25(11)：1517－1523.

Jing Chunhui, Zhao Jianghong. Optimization design method of automobile styling based on evolution strategy[J]. China Mechanical Engineering, 2014, 25(11): 1517－1523. (in Chinese with English Abstract)

[13] 蘇建寧，陳肖，張書(shū)濤，等. 基于進(jìn)化算法的產(chǎn)品造型創(chuàng)新設(shè)計(jì)方法研究[J]. 工程設(shè)計(jì)學(xué)報(bào)，2016，23(2)：136－142.

Su Jianning, Chen Xiao, Zhang Shutao, et al. Product styling innovative design method based on evolutionary algorithm[J]. Chinese Journal of Engineering Design, 2016, 23(2): 136－142. (in Chinese with English Abstract)

[14] Lo Chihung, Ko Yachuan, Hsiao Shihwen. A study that applies aesthetic theory and genetic algorithms to product form optimization[J]. Advanced Engineering Informatics. 2015, 29(3): 662－679.

[15] 柳祿，傅秀清，康敏. 面向品牌識(shí)別的中小企業(yè)產(chǎn)品造型DNA設(shè)計(jì)研究[J]. 機(jī)械設(shè)計(jì)，2014，31(9)：105－108.

LiuLu, FuXiuqing, KangMin. Research on product DNA of SME facing brand identity[J]. Journal of Machine Design, 2014, 31(9): 105－108. (in Chinese with English Abstract)

[16] 羅仕鑒，李文杰，傅業(yè)燾. 消費(fèi)者偏好驅(qū)動(dòng)的SUV 產(chǎn)品族側(cè)面外形基因設(shè)計(jì)[J]. 機(jī)械工程學(xué)報(bào)，2016，52(2)：173－181.

Luo Shijian, Li Wenjie, Fu Yetao. Consumer preference driven SUV product family profile gene design[J]. Journal of Mechanical Engineering, 2016, 52(2): 173－181. (in Chinese with English Abstract)

[17] 蘇建寧，張秦瑋，吳江華，等. 產(chǎn)品多意象造型進(jìn)化設(shè)計(jì)[J]. 計(jì)算機(jī)集成制造系統(tǒng)，2014，20(11)：2675－2682.

Su Jianning, Zhang Qinwei, Wu Jianghua, et al. Evolutionary design of product muti-image stlying[J]. Computer Integrated Manufacturing Systems, 2014, 20(11): 2675－2682. (in Chinese with English Abstract)

[18] 羅仕鑒，翁建廣，陳實(shí)，等. 基于視覺(jué)-行為-情感的產(chǎn)品族設(shè)計(jì)基因[J]. 計(jì)算機(jī)集成制造系統(tǒng)，2009，15(12)：2289－2295.

Luo Shijian, Zhu Shangshang, Ying Fangtian, et al. Vision-behavior-emotion based product family design gene[J]. Computer Integrated Manufacturing Systems, 2009, 15(12): 2289－2295. (in Chinese with English Abstract)

[19] 朱斌，江平宇. 面向產(chǎn)品族的設(shè)計(jì)方法學(xué)[J]. 機(jī)械工程學(xué)報(bào)，2006，42(3)：1－8.

Zhu Bin, Jiang Pingyu. Methodology of design for product family[J]. Chinese Journal of Mechanical Engineering, 2006, 42 (3): 1－8. (in Chinese with English Abstract)

[20] Lee H C, Herawan T, Noraziah A. Evolutionary grammars based design framework for product innovation[J]. Procedia Technology, 2012, 1(1): 132－136.

[21] 王貞，譚征宇. 基于整體性認(rèn)知的汽車(chē)造型特征研究[J]. 包裝工程，2013，12(34)：51－54.

Wang Zhen, Tan Zhengyu. Research on vehicle modeling features based on holistic cognition[J]. Packaging Engineering, 2013, 12(34): 51－54. (in Chinese with English Abstract)

[22] Luo Shijian, Fu Yetao, Korvenmaa P. A preliminary study of perceptual matching for the evaluation of beverage bottle design[J]. International Journal of Industrial Ergonomics, 2012, 42(2): 219－232.

[23] 楊濤，楊育，張東東. 考慮客戶(hù)需求偏好的產(chǎn)品創(chuàng)新概念設(shè)計(jì)方案生成[J]. 計(jì)算機(jī)集成制造系統(tǒng)，2015，4(21)：875－884.

Yang Tao, Yang Yu, Zhang Dongdong. Generation of product innovation conceptual design schemes for considering the demand preferences of customers[J]. Computer Integrated Manufacturing Systems, 2015, 4(21): 875－884. (in Chinese with English Abstract)

[24] 蘇建寧，李鶴歧. 應(yīng)用數(shù)量化一類(lèi)理論的感性意象與造型設(shè)計(jì)要素關(guān)系的研究[J]. 蘭州理工大學(xué)學(xué)報(bào)，2005，2(31)：36－39.

Su Jianning, Li Heqi. Investigation of relationship of form design elements to Kansei image by means of quantification-Ⅰtheory[J]. Journal of Lanzhou University of Technology, 2005, 2(31): 36－39. (in Chinese with English Abstract)

[25] Mosleh M, Allahviranloo L, Otadi M. Evaluation of fully fuzzy regression models by fuzzy neural network[J]. Neural Computing and Applications, 2012, 21(1): 105－112.

[26] Deb K, Pratap A, Agarwal S, et al. A fast and elitist multi-objective genetic algorithm: NSGA-II[J]. IEEE Trans- actions on Evolutionary Computation, 2002, 6(2): 182－197.

[27] Wu Zhiqiao, Kwong C K, Aydin R, et al. A cooperative negotiation embedded NSGA-II for solving an integrated product family and supply chain design problem with remanufacturing consideration[J]. Applied Soft Computing, 2017, 57: 19－34.

[28] 劉孟楠，周志立，徐立友，等. 基于多性能目標(biāo)的拖拉機(jī)運(yùn)輸機(jī)組優(yōu)化設(shè)計(jì)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33(8)：62－68.

Liu Mengnan, Zhou Zhili, Xu Liyou, et al. Multi-objective optimization and design of tractor trailer systems[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(8): 62－68. (in Chinese with English abstract)

[29] 王春林，馮一鳴，葉劍，等. 基于RBF神經(jīng)網(wǎng)絡(luò)與NSGA-Ⅱ算法的渣漿泵多目標(biāo)參數(shù)優(yōu)化[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33(10)：109－115.

Wang Chunlin, Feng Yiming, Ye Jian, et al. Multi-objective parameters optimization of centrifugal slurry pump based on RBF neural network and NSGA-Ⅱ genetic algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(10): 109－115. (in Chinese with English abstract)

[30] 胡偉峰，趙江洪. 用戶(hù)期望意象驅(qū)動(dòng)的汽車(chē)造型基因進(jìn)化[J]. 機(jī)械工程學(xué)報(bào)，2011，47(16)：176－181.

Hu Weifeng, Zhao Jianghong. Automobile styling gene evolution driven by users’ expectation image[J]. Journal of Mechanical Engineering, 2011, 47(16): 176－181. (in Chinese with English Abstract)

Design of multi-objective driven product family shape gene for tractor

Liu Lu1,2, Zhang Yongnian1, Ding Weimin1, Kang Min1,2※

(1.210031,;2.222200,)

To shape the iconic elements for brand modeling and unique brand image, and improve the users’ satisfaction of aesthetic design, a method of Multi-objective driven product family shape gene design of tractor was proposed. Through analyzing the extraction and expression of product family shape gene, the model of Multi-objective driven product family shape gene design of tractor was constructed, and the detailed processes and key technologies were expounded. Firstly, the product library and the information base were established. Product library included tractors selected from own brand and other products which were widely selected from well-known brands’ latest products and concepts, including agricultural machinery products, cars, clothing, electronics, etc. Information base included the specific content of brand identification and the kansei words library. Specific content of brand identification were obtained from the enterprise directly, kansei words library which reflect the aesthetic style of agricultural machinery came from the network, books, newspaper, etc. Meanwhile, the overall modeling features and local modeling features of products were extracted by expert interview method, the product family shape gene was extracted by Design Format Analysis（DFA）to analysis the coefficient of variation. Then, based on the morphological matrix, the solution space of product family shape gene was developed (In order to avoid the mind-set caused by similar product shape, shape gene should contain a certain amount of shape elements reference from other products). The mapping relations between Kansei words and shape elements were developed by semantic differential method. At last, the multi-objective decision model driven by brand identity, user imagery as well as social situation was established and the multi-objective decision model was solved based on NSGA-Ⅱgenetic algorithms. Taking the wheeled tractor, which was manufactured by an agricultural machinery enterprise as an example, an analysis for the generation of tractor product family shape gene was explored. Based on C++ environment, a computer-aided design system of tractor product family shape gene was built. The system realized user interaction operation and vector graphics calling and drawing by Qt development framework, which could quickly realize the profile scheme generation and expression of tractor. Series of progeny schemes were obtained by the computer-aided design system. The experimental results demonstrated that:1) 81.25% of the subjects considered the progeny scheme could be well continue the characteristics and style of the brand’s original products , the average score was 1.47; 2) Compared with the sample p15 modeling schemes (The mean of the sample p15 was the most representative), the degree of compliance increased separately by 30%, 54% and 80% in brand identity, user imagery, and social situation, and the average proportion of the population increased from 34.37%, 28.12%, 31.25% to 71.87%, 68.75%, 62.5% in 2 points and above respectively, by using seven-point Likert scales based on semantic differentia method. Therefore, the feasibility and validity of this method is verified. Furthermore, different from just considering a single factor in previous research, as the proposed product family shape gene generation for tractor was conducted by the simultaneous action of brand identification, product imagery and the social situation, and the ambiguity and uncertainty in visualization process which rely on designers’ creative thinking and inspiration had been conquered, it also provides the reference for aesthetic design of agricultural machinery products.

tractors; design; models; product family; shape gene; NSGA-Ⅱgenetic algorithms; kansei engineering

10.11975/j.issn.1002-6819.2017.17.011

TB472; S220.2

A

1002-6819(2017)-17-0082-09

2017-06-30

2017-07-14

國(guó)家自然科學(xué)基金項(xiàng)目（51405239）；江蘇省高校哲學(xué)社會(huì)科學(xué)研究項(xiàng)目（2015SJD085）；江蘇省蘇北科技發(fā)展計(jì)劃項(xiàng)目（BN2014019）；南京農(nóng)業(yè)大學(xué)中央高校基本科研業(yè)務(wù)費(fèi)人文社會(huì)科學(xué)研究基金資助（SKTS2016036）。

柳 祿，講師，主要從事農(nóng)業(yè)機(jī)械美學(xué)設(shè)計(jì)與人機(jī)交互設(shè)計(jì)研究。南京 南京農(nóng)業(yè)大學(xué)工學(xué)院，210031。Email：paul_nuaa@njau.edu.cn

康 敏，博士生導(dǎo)師，教授，主要從事農(nóng)業(yè)機(jī)械裝備及特種加工技術(shù)研究。南京 南京農(nóng)業(yè)大學(xué)工學(xué)院，210031。Email：kangmin@njau.edu.cn