感性工学的出现和发展为工业设计研究提供了新的思路。它可以将模糊不定的感性问题量化，运用工学方法加以研究。如今，感性工学已经被越来越多的应用于材料质感意象的研究领域。本课题基于感性工学中的常用方法，以常见的塑料材质作为研究对象，建立材质的客观参数和主观感受之间的数学模型，并对二者之间的相关性进行研究。在充分调研的基础上，用正交试验的思想获得计算机渲染材质样本，并利用统计学方法科学筛选出有代表性的样本；大量搜集并筛选典型的用以形容塑料材质感觉特性的语汇作为材料主观感受的度量依据；基于代表性材质样本和代表性感性语汇采用语义差分法进行材料质感意象实验，获得材料客观参数和主观评价量值之间的的对应数据。以材料质感意象实验所获得的数据作为基础，基于BP神经网络的思想，建立材料客观参数和主观评价量值之间的数学模型。针对实际情况选择合适的BP网络结构、激励函数以及网络学习方式，通过网络训练得到具有良好拟合性能的材料质感意象模型，实现材料客观参数和主观评价之间的对应关系的定量化。基于遗传算法良好的全局优化能力和宏观搜索能力，对由BP网络建立的材料质感意象模型的阈值和权值进行优化。通过优化，提高了网络的精度和泛化能力，实现了对于材质客观参数和主观评价之间的定量关系更为准确和有效的描述。并通过验证实验，证明了该模型的正确性和可靠性。利用GA-BP模型的仿真结果，研究单一客观参数的变化对于各个主观评价量值的影响规律，以及双因素的交互作用规律。观察材料主观评价量值随着客观材质参数的改变而发生的变化，总结分析其规律。进行材料质感意象规律分析，得到对于已知材料进行感觉特性预测的依据，以及获得指定主观感受的产品设计过程中材料选择的参照法则。