摘要：目的在以全球化市场与本土化营销为特征的新设计时代,将传统文化融入设计,以确保本土创意来源在全球范围内的差异化变得愈发重要。通过两项研究,开发并验证了中国传统文化创新价值分级系统,以衡量中国传统文化在文创设计中的创新价值。方法在研究1中,通过广泛的文献综述及1632名受测者参与的问卷调查,开发并验证了中国传统文化创新价值量表。建立了中国传统文化创新价值评价系统,通过3个维度及15项标准来衡量中国消费者对创造性转化传统文化的态度。在研究2中,68位设计专业学生使用该评价系统对10个文创产品进行了评价。该研究验证了评价系统的可行性并促成了中国传统文化创新价值分级系统的开发。结论新开发的中国传统文化创新价值量表是有效且可靠的。中国传统文化创新价值分级系统规范了衡量传统文化设计创新价值的标准。该分级系不仅有助于在设计实践中评估传统文化的设计创新价值,而且促进了传统文化在设计中发挥更积极、有效的作用。

摘要：环境振动是影响各类精密仪器设备正常运转的重要因素。针对环境振动超出设备正常运转振动限值问题,开展了钢弹簧隔振基台的设计研究。通过试验验证及计算分析推导出钢弹簧竖向刚度与水平刚度的关系式,解决了钢弹簧水平刚度取值模糊问题;根据需求设计了一种全新钢弹簧浮筑板隔振基台;利用有限元方法研究了该基台在不同钢弹簧刚度下的减隔振效果,分别分析了上方设备质量分布不均匀时基台的变形情况、存在运动部件时基台变形情况以及台面振动水平。结果表明:新型钢弹簧浮筑板隔振基台在水平向和竖向均具有良好的隔振效果,当基台固有频率为4.2 Hz时,对12 Hz以上环境振动的最大减振效率可达90%以上;对于基台上存在小件运动部件的设备也表现出良好的稳定性,50 kg运动部件从基台一端运行到另一端时,基台竖直变形均小于800μm,且当设备自身振动产生的扰力<1.5 kN时,基台仍能保持VC-C的振动水平。研究结果可为类似工业厂房中设备的隔振设计提供参考。

摘要：中国书法自象形文字始,至今已经历了数千年的变迁,若论及各个历史时期的作品之优劣,每个时代都有一定的审美标准,概括而论,是顺着一条由“质”渐“文”的发展方向沿革着,在中国书法史上,这两种东西一直自觉或不自觉地左右着人们对书法的审美导向,

摘要：为应对高频产品迭代,提出一种基于评论大数据的产品设计改进研究方法。以手机为研究对象爬取大量在线评论,借助隐含狄利克雷主题模型确定用户关注的产品属性及其对应的属性词,并对评论的有用性进行分析;通过情感分析计算用户对手机各产品属性的关注度和满意度等指标,从而建立评价指标体系,并找到手机亟需改进的产品属性;通过观点挖掘找到用户不满意的点,进而确定手机的改进策略。利用多元线性回归分析建立手机评价指标与评论差评率的线性回归模型,通过采用该模型较准确地预测手机评论的差评率,验证了所提方法的有效性。该方法将挖掘和情感分析结合,可快速为产品设计改进提供决策依据。

摘要：目的面向界面设计领域提出一种改进的情绪板设计方法,帮助设计师更准确地表达用户情感,并提高获取设计元素的效率。方法在原有的情绪板设计方法中,引入0阶感性概念法,增强用户情感表达的准确性;面向界面设计,提出一系列基于图像提取设计元素的指导原则,增强情绪板设计方法在界面设计中的应用效率;拓展情绪板设计方法在交互动画设计领域的应用,从静态及动态角度多方位唤起用户情感。结论为了验证改进后的情绪板设计方法的有效性,设计师基于该方法优化了一款拍卖软件的界面设计。通过用户参与的验证实验,表明改进后的情绪板设计方法可以帮助设计师更准确地根据用户的情感需求,对APP界面进行设计,并有助于从用户情感角度优化APP界面的设计效果。

摘要：目的探讨感质理论在文创产品中的应用,提出具有感质的文创产品设计方法与流程,帮助设计师准确地捕捉用户情感,设计满足消费者需求且能够触动内心的产品。方法梳理感质理论的内涵,提出感质注重体验性,在文创产品中可以分为感官、行为、情感和反思四个体验层次。针对四个体验层次分别提出感质文创产品的设计方法,并将感质文创产品的设计流程分为文化元素的提取、设计师的整合、文化特征的感官传递三个步骤,最后以一款地域文化为背景的茶具进行设计实践验证。结论感质文创产品的设计方法与流程能够帮助设计师更加准确地捕捉用户的情感与需求,设计的产品能与消费者认知相匹配,带给消费者感官、行为、情感和反思体验,触动消费者的内心。

摘要：采取行为实验和脑电实验相结合的方法,分析产品外观特征元素(形状、颜色、材质)及其熟悉度(低、中、高)对产品识别的影响。脑电实验前,通过问卷获取被试的主观评价数据,进行实验假设。脑电实验采用经典的“学习‒再认”范式,实验材料为3(形状、颜色、材质)×3(低、中、高)混合设计。结果表明:低和高熟悉度的颜色特征、低熟悉度的形状特征以及高熟悉度的材质特征能够有效提高产品的识别度。

摘要：为了满足用户对产品的情感化需求,提出一种基于深度学习的产品意象识别方法.该方法通过语义差异法获得产品意象数据集,在此基础上,使用卷积神经网络VGGNet进行训练,建立产品意象深度模型.以典型的椅子产品为例对文中方法进行验证,训练好的产品意象深度模型识别准确率最高可达95.3%.为了进一步证明该方法的优越性,将其分别与以支持向量机(SVM)为代表的传统方法和浅层的卷积神经网络Caffe Net进行对比实验,结果表明,在识别准确率上该方法比SVM提高了约5%,比Caffe Net提升了4%~10%.此外,为了解释深度学习的识别过程,对卷积特征进行了可视化,展现了特征映射从底层到高层的抽象过程.

摘要：利用主成分分析对产品外观设计方案进行多目标决策,回避了设计评价中常用的评价指标模糊权重系数求解,增强了设计决策的客观性。首先,根据设计师访谈、用户调研和国内外的设计评价研究泛选产品设计评价指标;通过评价指标的公信度评测、重合度评测和效用度评测,消减重复、低效的设计评价指标,确定产品设计评价指标体系;基于主客观指标赋值,建立评价矩阵;最后,计算评价矩阵的相关系数矩阵,求解其主成分及其贡献率,构建综合评价函数。通过具体设计方案评价实验,各主成分代表的意义符合工业设计师的认知,最终评价结果与市场和用户综合评价基本一致。该研究在一定程度上增强了设计评价的客观性和科学性,对产品外观设计决策有实际价值。