CN113139297A - 一种基于kansei-AD的激光增材制造装备情感融合设计优化方法 - Google Patents
一种基于kansei-AD的激光增材制造装备情感融合设计优化方法 Download PDFInfo
- Publication number
- CN113139297A CN113139297A CN202110513780.XA CN202110513780A CN113139297A CN 113139297 A CN113139297 A CN 113139297A CN 202110513780 A CN202110513780 A CN 202110513780A CN 113139297 A CN113139297 A CN 113139297A
- Authority
- CN
- China
- Prior art keywords
- design
- equipment
- requirements
- emotion
- domain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013461 design Methods 0.000 title claims abstract description 193
- 230000008451 emotion Effects 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 55
- 239000000654 additive Substances 0.000 title claims abstract description 49
- 230000000996 additive effect Effects 0.000 title claims abstract description 49
- 230000004927 fusion Effects 0.000 title claims abstract description 48
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 230000002996 emotional effect Effects 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000013507 mapping Methods 0.000 claims abstract description 21
- 238000012216 screening Methods 0.000 claims abstract description 15
- 238000012938 design process Methods 0.000 claims abstract description 11
- 238000002474 experimental method Methods 0.000 claims abstract description 4
- 238000007689 inspection Methods 0.000 claims abstract description 4
- 238000006243 chemical reaction Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 54
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000010168 coupling process Methods 0.000 claims description 12
- 238000005859 coupling reaction Methods 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 10
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 10
- 230000008878 coupling Effects 0.000 claims description 6
- 238000000556 factor analysis Methods 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000001939 inductive effect Effects 0.000 claims description 2
- 230000008447 perception Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims 1
- 230000003993 interaction Effects 0.000 abstract description 7
- 238000011160 research Methods 0.000 description 4
- 230000001149 cognitive effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012407 engineering method Methods 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009510 drug design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/10—Additive manufacturing, e.g. 3D printing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Laser Beam Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于kansei‑AD的激光增材制造装备情感融合设计优化方法,属于制造装备设计技术领域。将感性工学与公理化设计域概念结合,对装备情感融合设计过程划分为四大设计域。通过感性语义实验在用户情感需求感性空间中筛选出重要用户需求。以此为基础分别实现用户域向功能域、功能域向物理域、物理域向过程域的映射关系转化。并采用信息公理检验方法筛选符合装备操作者情感需求的设计方案,实现装备人机交互设计过程与操作者心理情感需求有机结合。本发明使得激光增材制造装备情感设计因子可以准确表达与反应操作人员的感性需求;检验情感融合设计与用户需求的契合程度,帮助设计者准确把握情感设计方向,避免设计偏差与重复工作。
Description
技术领域
本发明涉及一种基于kansei-AD的激光增材制造装备情感融合设计方法,属于制造装备设计技术领域。
背景技术
在目前的激光增材制造装备的工效学设计过程中,对于人机系统与交互的设计多数仍停留在满足功能认知层面的交互需求上;忽视操作者在情感认知层面的交互需求,导致激光增材制造装备人性化与舒适性差等宜人化设计问题日益突出。操作者对于激光增材制造装备已不满足于仅实现操作功能的需求,更加注重在交互过程中自身内心的满足感与舒适感。因此,研究如何将操作者的心理情感需求与激光增材制造装备人机系统的认知交互设计进行有效融合,实现激光增材装备的人性化,对提升激光增材制造装备的人机交互效率具有重要的现实意义。
感性工学可以从人员感知层次与认知心理的角度,准确把握人员的心理情感因素,因而成为解决情感融合设计问题的最佳思路。目前,在应用感性工学方法探究产品情感融合设计与决策方面已形成较为成熟的研究思路,但是针对制造装备,特别是激光增材制造装备的情感融合设计研究仍鲜有耳闻;且由于传统感性工学方法依据经验进行设计要素的提取与转化,对设计者把握需求的能力要求偏高,易产生主观性偏差。具体地,激光增材制造装备的情感融合设计存在如下问题待解决:
(1)在将人员的情感因子转化为激光增材制造装备设计因子的过程中,目前仍然要依靠设计人员的经验实现产品因子的转化,主观随意性较强;缺乏可以准确表达与反映情感因素与设计要素关系的方法,装备的设计因子难以准确反映操作人员的感性需求。
(2)由于激光增材制造装备的情感设计要素较为复杂,在设计方案完成进入验证阶段时,一旦结果不符合预期,需要耗费较多的时间与精力进行修正。
公理化设计是一种引导设计人员将产品功能与产品设计参数通过映射手段进行产品功能设计或指导设计者作出正确决策的方法。依据设计过程中的独立公理与信息公理,设计人员可以检验设计的有效性,使产品真实反映用户的需要,并对产品设计进行一定的创新。目前公理化设计的应用主要集中于制造装备的功能性设计中,如何合理地在激光增材制造装备的情感融合设计中延伸应用公理化设计理论是一项具有研讨意义的问题。
发明内容
本发明旨在提供一种基于kansei-AD(感性Altium Designer)的激光增材制造装备情感融合设计优化方法,以解决激光增材制造装备当前突出的忽视操作者心理情感需求,人性化设计水平偏低的问题。
为实现上述目的,本发明通过以下步骤实现:
S1.依据公理化设计理论中的设计域概念,将情感融合设计过程划分为用户域、功能域、物理域和过程域。
S2.获取激光增材制造装备操作人员在任务执行过程中的心理情感需求,并转化为用户情感需求感性空间,通过感性语义实验筛选最重要的用户需求。
S3.将用户需求转化为装备情感融合重点设计需求,实现从用户域向过程域的需求映射。
S4.根据满足装备操作者的情感融合重点设计需求,转化为装备具体设计要求,并对所产生结果进行独立公理检验,实现由功能域向物理域的映射。
S5.根据装备具体设计要求,筛选出适合于装备操作者情感需求的形态要素,提出具体的设计方案。依据信息公理筛选出最优的设计方案,实现物理域向过程域的映射,满足装备操作者的心理情感需求。
进一步地,所述步骤S1中将情感融合设计过程划分为用户域、功能域、物理域和过程域的基本原理为:情感融合设计的主要思路为“感性评价与设计意象的选取-意象与设计特征的映射-依据设计特征提出创新方案”。与公理化设计中“用户域-功能域-物理域-过程域”的设计思路相契合,且公理化设计理论中两大公理可有效检验情感融合设计思路的映射关系。
进一步地,所述步骤S2中筛选最重要的用户需求,包括如下步骤:
(1)广泛收集调查装备图片与状态形容词汇,采用KJ法(A型图解法)筛选出代表性图片与形容词汇,构建出装备情感融合设计感性空间。
(2)采用5点语义量表进行感性工学调查,量化构建的感性空间。
(3)采用语义因子分析法提取感性空间的公共因子,概括为装备操作者最重要的用户需求。
进一步地,所述步骤S3中用户域向过程域的需求映射,是采用粗糙AHP(层次分析法)结合QFD(质量功能展开)方法实现的,具体过程为:
(1)将m名专家对用户需求的AHP评价矩阵整合为以相对重要性评分集合为矩阵元素的n维判断矩阵B
因此,将判断矩阵内相对重要性集合转化为粗糙集RN
(3)构建粗糙判断矩阵M
(4)根据下列公式计算出用户需求的相对权重ai
ai=a′i/∑a′i
(5)将装备用户需求、相对权重与装备设计需求导入QFD质量屋,分析合并简化,筛选出装备的重点设计需求。
进一步地,所述步骤S4中的独立公理检验,其判断原理为:依据独立公理公式FR=A×DP,对功能需求与设计参数之间映射关系矩阵A的不同,判断装备情感融合设计是否契合与装备操作者的心理情感需求。将装备设计需求对应为功能需求FR,满足装备操作者情感的具体设计要求对应为设计参数DP,当二者之间独立性公理矩阵A为非耦合矩阵或准耦合矩阵时即为激光增材制造装备的情感化设计要求符合人员对装备的感性设计需求。非耦合矩阵与准耦合矩阵的表达形式为:
进一步地,所述步骤S5中根据装备具体设计要求,筛选出适合于装备操作者情感需求的形态要素。应构建以装备形态要素为评价对象,以情感化设计要求为评价指标的评价矩阵并评分。以GRA-TOPSIS(灰度关联分析-逼近理想解排序法)方法求解各形态要素的权重值即可筛选出满足人员心理情感需求的装备形态要素。具体步骤如下:
(1)设原形态要素-设计要求评价矩阵为K,表示为如下形式:
(2)判断标准化矩阵V中各列的最大值V+与最小值V-,分别组成正负理想解集合,并计算各形态要素与正负理想解的灰色关联系数rij +与rij -。
其中,ρ为分辨系数,在[0,1]内取值,一般认为当ρ<0.5463是即可达到最优分辨率;R+与R-分别表示形态要素与正负理想解的灰色关联系数矩阵。
(4)将灰色关联度与接近程度进行无量纲处理,并进行整合
其中,α和β为反映形态要素与情感化设计要求之间的关注程度系数,通常取α=β=0.5。设Si为装备形态要素的最终得分,求出装备各形态要素的最终得分并对其进行比较,其中得分数值最高的形态要素即为满足人员心理情感需求的激光增材制造装备感性优化设计要素。
进一步地,所述步骤S5中依据信息公理筛选最优设计方案,其基本原理为:判断装备设计过程中满足用户需求的实际可行设计量与用户所期待的需求设计量的匹配程度,确定某一设计方案的设计信息含量,设计信息越少说明装备设计方案越优。信息公理的设计信息含量可用公式I=-log2P表示,其中:
当实际可行的设计量与用户期待的需求设计量之比较高时,可以认为设计方案获得成功的概率很高,方案成功的概率越高,其所含的信息量相应越小。因此比较实际可行设计量与用户期待需求设计量即可判断装备优化设计方案的优劣性。
本发明的有益效果是:
(1)实现了激光增材制造装备的设计要素与装备操作者心理情感需求的准确对应表达,满足了装备情感融合设计要求,提升了激光增材制造装备的人性化程度。
(2)通过引入公理化设计理论,构建了基于Kansei-AD的激光增材制造装备情感融合设计方法,有效把握了激光增材制造装备情感融合设计的方向,提高了设计方案与用户需求的契合率,减少了设计偏差。
附图说明
图1是本发明实施例情感融合设计思路示意图。
图2是本发明实施例激光增材制造装备情感融合设计感性空间。
图3是本发明实施例中语义因子分析的碎石图。
图4是本发明实施例用户需求-设计需求QFD矩阵。
图5是本发明实施例功能需求与设计参数映射关系图。
图6是本发明实施例中常见的激光增材制造装备进行形态要素分解图。
图7是本发明实施例中第一名专家的形态要素-设计要求矩阵。
图8a和8b是本发明实施例提出的两种装备情感融合设计方案,其中图8a为方案一,图8b为方案二。
具体实施方式
下面结合附图及实施例,对本发明进行进一步详细说明,但应当理解实施例用以解释本发明,并不用于限制本发明。
本实施例提供一种结合公理化设计理论的激光增材制造装备情感融合设计优化方法,包括步骤:
S1.参见图1,依据公理化设计理论中的设计域概念,将情感融合设计过程划分为用户域、功能域、物理域和过程域。
S2.获取激光增材制造装备操作人员在任务执行过程中的心理情感需求,并转化为用户情感需求感性空间,通过感性语义实验筛选最重要的用户需求。
S3.将用户需求转化为装备情感融合重点设计需求,实现从用户域向过程域的需求映射。
S4.根据满足装备操作者的情感融合重点设计需求,转化为装备具体设计要求,并对所产生结果进行独立公理检验,实现由功能域向物理域的映射。
S5.根据装备具体设计要求,筛选出适合于装备操作者情感需求的形态要素,提出具体的设计方案。依据信息公理筛选出最优的设计方案,实现物理域向过程域的映射,满足装备操作者的心理情感需求。
参见图2,在步骤S2中,广泛收集调查装备图片与状态形容词汇,采用KJ法筛选出代表性图片与形容词汇,构建出装备情感融合设计感性空间。采用5点语义量表进行感性工学调查,量化构建的感性空间。
参见图3,在步骤S2中,采用语义因子分析法提取感性空间的公共因子,概括为装备操作者最重要的用户需求,如下表1所示。装备操作者重要的用户需求概括可概括为人性、专业、个性与安全需求。
表1语义因子分析结果
在步骤S3中,依据粗糙AHP-QFD方法,本实施例选择七名专家将用户需求转化为装备情感融合重点设计需求,具体步骤为:
(1)首先进行粗糙AHP评价,七名专家的整合评价矩阵为
(2)对该矩阵内相对重要性集合求解上下近似值Apr和上下极限值Lim,将矩阵内相对重要性集合转化为粗糙集RN,构建粗糙判断矩阵M
(3)根据粗糙判断矩阵M计算用户需求的相对权重,如下表2所示。从结果可以看出,安全因子所占的比重最高,为0.3958,说明在激光增材制造的操作人员中安全是最受到重视的感性因素,在进行情感化设计时,应首先考虑安全因子对于设计的影响,以保证设计结果负荷大多数人的心理认知。之后是人性因子,专业因子和个性因子,说明操作人员在看重安全的同时更加认同人性的感受。
表2用户需求相对权重结果
(4)参见图4,通过激光增材制造装备的操作人员的感性因子与装备相关特性进行分析,从专业性,安全性与人性化三个方面考虑,分解出激光增材制造装备的感性设计需求。将粗糙AHP分析后得到的感性因子相对重要权重与设计需求导入质量屋,并以▲(1分),○3分和●(5分)来代表用户需求与设计需求之间的弱相互关系,中等相互关系,强相互关系,构建用户需求-设计需求QFD矩阵;计算出各设计需求的重要程度值,经过合并简化,最终的激光增材制造装备设计需求结果为智能化、可视化、使用安全、空间舒适、坚固耐用、界面简洁、灵动飘逸。
在步骤S4中,将激光增材制造装备的设计需求结果转化为公理化设计的功能需求,以FR1和FR7分别命名为:FR1=智能化、FR2=可视化、FR3=使用安全、FR4=空间舒适、FR5=坚固耐用、FR6=界面简洁、FR7=灵动飘逸。
参见图5,针对各功能需求分别提出相对应的情感化设计要求,作为公理化设计的设计参数,将功能需求与设计要求进行映射,得到设计矩阵如下:
独立性公理设计矩阵A为非耦合矩阵,满足公理化设计要求。
在步骤S5中,根据装备具体设计要求,筛选出适合于装备操作者情感需求的形态要素。
参见图6,对目前常见的激光增材制造装备进行形态要素分解;并以形态要素为评价对象,以设计要求为评价指标,构建形态要素-设计要求矩阵。邀请六名专家以1分,3分,5分的分值进行评分并计算各形态要素的重要程度值。本实施例以第一名专家为例详细介绍计算过程,第一名专家的评价结果如下表3所示。
表3实施例第一位专家评价结果
参见图7,将评分结果转化为形态要素-设计要求矩阵并进行归一化处理;依据GRA-TOPSIS方法的计算步骤,求解第一位专家的标准化矩阵的正负理想解集合,计算出灰色关联系数,各形态要素与正负理想解的接近程度;整合后进行无量纲处理。第一位专家的装备形态要素权重结果如下表4所示。
表4实施例第一位专家形态要素权重
同理,求解其余五位专家的权重结果;将六位专家的权重结果整合后求平均值,得到表5所示的最终权重结果。根据表5,为满足人员心理情感需求,激光增材制造装备应具备以下的形态要素:装备外观以正方形外壳为主体,配以直线加曲线的线条,使用整体式操作面板;双开式防护门配以圆角矩形观察窗,装备各舱室门配以直线加曲线形态的把手;采用活动式机脚。
表5实施例形态要素最终权重结果
参见图8a和8b,根据形态要素,本实施例提出两种激光增材制造装备情感融合设计方案。
在步骤S5中依据信息公理筛选最优设计方案,两种方案均按照满足人员心理情感需求的激光增材制造装备形态要素进行设计,人员的用户需求均得到了满足。对比方案一与方案二,方案二的线条较为圆滑,但在防护门结构设计上相较于方案一较为繁琐,在后续制造加工过程中工艺会相对复杂。方案一在智能化的集成度要求与外观的简洁明朗程度比方案二具有一定优势。因此方案一在设计中所需的信息含量I1小于方案二的信息含量I2,根据信息公理判断方案一为最优设计方案。
以上实施例只为说明本发明的技术构思和特点,目的在于让本领域的技术人员了解本发明的内容并加以实施,并不能以此来限制本发明的保护范围,凡是根据本发明实质所作出的等效变化或修饰均属于本发明的保护范围。
Claims (9)
1.一种基于kansei-AD的激光增材制造装备情感融合设计优化方法,其特征在于,包括如下步骤:
S1.依据公理化设计理论中的设计域概念,将情感融合设计过程划分为用户域、功能域、物理域和过程域;
S2.获取激光增材制造装备操作人员在任务执行过程中的心理情感需求,并转化为用户情感需求感性空间,通过感性语义实验筛选最重要的用户需求;
S3.将用户需求转化为装备情感融合重点设计需求,实现从用户域向过程域的需求映射;
S4.根据满足装备操作者的情感融合重点设计需求,转化为装备具体设计要求,并对所产生结果进行独立公理检验,实现由功能域向物理域的映射;
S5.根据装备具体设计要求,筛选出适合于装备操作者情感需求的形态要素,提出具体的设计方案,依据信息公理筛选出最优的设计方案,实现物理域向过程域的映射,满足装备操作者的心理情感需求。
2.根据权利要求1所述的基于kansei-AD的激光增材制造装备情感融合设计优化方法,其特征在于,所述步骤S1中将情感融合设计过程划分为用户域、功能域、物理域和过程域,其基本原理为:情感融合设计的主要思路为“感性评价与设计意象的选取-意象与设计特征的映射-依据设计特征提出创新方案”,与公理化设计中“用户域-功能域-物理域-过程域”的设计思路相契合,且公理化设计理论中两大公理可有效检验情感融合设计思路的映射关系。
3.根据权利要求1所述的基于kansei-AD的激光增材制造装备情感融合设计优化方法,其特征在于,所述步骤S2中筛选最重要的用户需求,包括如下步骤:
S21.广泛收集调查装备图片与状态形容词汇,采用KJ法筛选出代表性图片与形容词汇,构建出装备情感融合设计感性空间;
S22.采用5点语义量表进行感性工学调查,量化构建的感性空间;
S23.采用语义因子分析法提取感性空间的公共因子,概括为装备操作者最重要的用户需求。
4.根据权利要求1所述的基于kansei-AD的激光增材制造装备情感融合设计优化方法,其特征在于,所述步骤S3中用户域向过程域的需求映射,采用粗糙AHP结合QFD方法实现映射关系的转化,具体过程为:
S31.将m名专家对用户需求的AHP评价矩阵整合为以相对重要性评分集合为矩阵元素的n维判断矩阵B
S32.将判断矩阵内相对重要性集合转化为粗糙集RN
S33.构建粗糙判断矩阵M
S34.根据下列公式计算出用户需求的相对权重ai
ai=a′i/∑a′i
S35.将装备用户需求、相对权重与装备设计需求导入QFD质量屋,分析合并简化,筛选出装备的重点设计需求。
6.根据权利要求1所述的基于kansei-AD的激光增材制造装备情感融合设计优化方法,其特征在于所述步骤S4中的独立公理检验,其判断原理为:依据独立公理公式FR=A×DP,对功能需求与设计参数之间映射关系矩阵A的不同,判断装备情感融合设计是否契合与装备操作者的心理情感需求,将装备设计需求对应为功能需求FR,满足装备操作者情感的具体设计要求对应为设计参数DP,当二者之间独立性公理矩阵A为非耦合矩阵或准耦合矩阵时即为激光增材制造装备的情感化设计要求符合人员对装备的感性设计需求。
8.根据权利要求1所述的基于kansei-AD的激光增材制造装备情感融合设计优化方法,其特征在于,所述步骤S5中根据装备具体设计要求,筛选出适合于装备操作者情感需求的形态要素,应构建以装备形态要素为评价对象,以情感化设计要求为评价指标的评价矩阵并评分,以GRA-TOPSIS方法求解各形态要素的权重值即可筛选出满足人员心理情感需求的装备形态要素,具体步骤如下:
S51.设原形态要素-设计要求评价矩阵为K,表示为如下形式:
S52.判断标准化矩阵V中各列的最大值V+与最小值V-,分别组成正负理想解集合,并计算各形态要素与正负理想解的灰色关联系数rij +与rij -,
V-={V1 -,V2 -,...,Vn -},Vj -=mini(vij)
其中,ρ为分辨系数,在[0,1]内取值,一般认为当ρ<0.5463是即可达到最优分辨率;R+与R-分别表示形态要素与正负理想解的灰色关联系数矩阵,
S54.将灰色关联度与接近程度进行无量纲处理,并进行整合
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110513780.XA CN113139297B (zh) | 2021-05-11 | 2021-05-11 | 一种基于kansei-AD的激光增材制造装备情感融合设计优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110513780.XA CN113139297B (zh) | 2021-05-11 | 2021-05-11 | 一种基于kansei-AD的激光增材制造装备情感融合设计优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113139297A true CN113139297A (zh) | 2021-07-20 |
CN113139297B CN113139297B (zh) | 2024-03-29 |
Family
ID=76816919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110513780.XA Active CN113139297B (zh) | 2021-05-11 | 2021-05-11 | 一种基于kansei-AD的激光增材制造装备情感融合设计优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113139297B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000242670A (ja) * | 1999-02-19 | 2000-09-08 | Hitachi Ltd | 顧客満足度対応設計方法および顧客満足度対応設計装置 |
CN107067182A (zh) * | 2017-04-27 | 2017-08-18 | 贵州大学 | 面向多维意象的产品设计方案评估方法 |
US20200257933A1 (en) * | 2019-02-05 | 2020-08-13 | Imagars Llc | Machine Learning to Accelerate Alloy Design |
CN112182921A (zh) * | 2020-08-31 | 2021-01-05 | 北京化工大学 | 一种高性能合金钢选区激光熔化热力耦合行为预测方法 |
-
2021
- 2021-05-11 CN CN202110513780.XA patent/CN113139297B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000242670A (ja) * | 1999-02-19 | 2000-09-08 | Hitachi Ltd | 顧客満足度対応設計方法および顧客満足度対応設計装置 |
CN107067182A (zh) * | 2017-04-27 | 2017-08-18 | 贵州大学 | 面向多维意象的产品设计方案评估方法 |
US20200257933A1 (en) * | 2019-02-05 | 2020-08-13 | Imagars Llc | Machine Learning to Accelerate Alloy Design |
CN112182921A (zh) * | 2020-08-31 | 2021-01-05 | 北京化工大学 | 一种高性能合金钢选区激光熔化热力耦合行为预测方法 |
Non-Patent Citations (1)
Title |
---|
王雅莲: "基于感性工学的X光安检机造型设计研究", 机械设计, vol. 32, no. 5, 31 December 2015 (2015-12-31) * |
Also Published As
Publication number | Publication date |
---|---|
CN113139297B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10083396B2 (en) | Computer-implemented system and method for assigning concept classification suggestions | |
CN112508077B (zh) | 一种基于多模态特征融合的社交媒体情感分析方法及系统 | |
Klein et al. | A comparative framework of data modelling paradigms and approaches | |
Jing et al. | A rough set-based interval-valued intuitionistic fuzzy conceptual design decision approach with considering diverse customer preference distribution | |
Guoshu et al. | COLOR DESIGN BASED ON KANSEI ENGINEERING AND INTERACTIVE GENETIC ALGORITHM. | |
Liu | [Retracted] Feature Recognition of English Based on Deep Belief Neural Network and Big Data Analysis | |
Jiang et al. | A multitask learning framework for multimodal sentiment analysis | |
McCauley-Bell et al. | Fuzzy modeling and analytic hierarchy processing-means to quantify risk levels associated with occupational injuries. II. The development of a fuzzy rule-based model for the prediction of injury | |
Naz et al. | A new approach to sentiment analysis algorithms: extended SWARA-MABAC method with 2-tuple linguistic q-rung orthopair fuzzy information | |
CN113139297A (zh) | 一种基于kansei-AD的激光增材制造装备情感融合设计优化方法 | |
Botteldooren et al. | On the meaning of noise annoyance modifiers: a fuzzy set theoretical approach | |
Mannering | Analysing Gender Bias in Text-to-Image Models using Object Detection | |
Wang et al. | Impact of spatial scale of ocean views architecture on tourist experience and empathy mediation based on “SEM-ANP” combined analysis | |
Akay et al. | A neuro-fuzzy based approach to affective design | |
Lijuan et al. | Research and application of data mining in college students' employment based on association rules | |
CN111104868B (zh) | 一种基于卷积神经网络特征的跨质量人脸识别方法 | |
Zhu | A graph neural network-enhanced knowledge graph framework for intelligent analysis of policing cases | |
Li et al. | A new product development study using intelligent data analysis algorithm based on KE theory | |
CN109003142B (zh) | 多目标驱动的产品形态基因网络模型构建方法 | |
CN110377754A (zh) | 一种基于决策树的数据库本体学习优化方法 | |
CN108388903A (zh) | 一种基于多视角多特征的图像印象性预测方法 | |
Gufar et al. | A rule based expert system for syncope prediction | |
Man et al. | Fuzzy sets for data mining and recommendation algorithms | |
Chen et al. | The study of an image-based method for product color design | |
Li et al. | A method for emotional model construction oriented to industrial designer sketch recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |