随着产品功能和性能的同质化,面向产品外观质量的设计技术日益受到学术界和工业界的重视,已成为满足消费者持续增长的多样化和个性化需求的有效技术途径。而产品的外观质量属性可通过其外观意象来表征或描述,数据驱动的产品外观意象设计则以产品外观和消费者情感需求的量化数据为基础,通过计算机辅助设计技术和智能算法完成产品外观的设计创新,可助力企业快速响应消费者情感需求,有效提升外观设计质量和产品竞争力。然而,现有研究存在采用的产品外观量化技术具有局限性、产品外观意象定位及预测不够准确和全面、尚未形成系统化的产品外观意象设计技术等问题。为此,本文综合运用感性工学理论、计算机辅助设计技术和智能算法,采用理论与仿真分析相结合的方式对产品外观量化、产品外观意象定位和预测、面向意象的产品外观生成与优化决策等产品外观意象设计的各环节问题进行了深入系统的研究,提出了数据驱动的产品外观意象设计技术,并通过汽车外观意象设计的应用案例验证了研究成果的有效性。论文的具体研究内容和成果如下:(1)产品外观量化的数学模型。首先,基于对产品二维造型具有特征提取和意象认知匹配优势的椭圆傅里叶技术和主成分分析,建立了产品二维造型量化的数学模型,解决了面向意象的产品二维造型量化的准确性和适用性问题。其次,将具有面向产品三维造型的特征提取和意象认知匹配优势的球面谐波技术、三角网格模型和自编码器技术相结合,构建了产品三维造型量化的数学模型,解决了面向意象的产品三维造型量化的可行性和有效性问题。同时,结合色彩原理和产品赋色原则,构建了基于色彩模型和赋色区域划分的产品色彩量化的数学模型,为实现不同外观元素量化的数据获取与融合提供了支撑。最后,综合产品三维造型量化和色彩量化的数学模型形成产品外观量化的数学模型,实现了对复杂产品外观的完整量化描述和特征提取。(2)产品外观意象的定位。针对当前产品外观意象定位存在准确性和全面性的不足,将外观量化数据应用于定位,形成了产品造型、色彩和外观的多意象定位方法。方法研究并确定了样本和意象词汇的选取原则、预处理方法及意象测量技术,基于相关分析建立了产品造型、色彩和外观的意象综合评价模型,并结合相关统计分析技术得到了定位结果。所得结果保留了更全面的意象信息,反映了不同关键意象之间的重要程度差异,有助于更科学、合理地确定产品外观设计的多意象目标和评价标准。(3)产品外观意象的预测。针对当前产品意象预测技术的不足,提出了产品造型、色彩和外观的多意象预测模型。根据谐波技术获取的造型数据特点提出关键主成分的概念和识别方法,采用多元回归分析、赤池和贝叶斯信息准则构建了基于关键主成分的造型意象预测模型及其效果验证模型。根据色彩数据特点提出关键色彩变量的概念和识别方法,建立了基于关键色彩变量的色彩意象预测模型及其效果验证模型。为了保证面向产品外观的三维造型和色彩融合数据的意象预测精度,构建了基于遗传算法优化神经网络的外观多意象预测模型及其效果评价方法。各模型充分结合了产品外观量化数据特点进行数据建模,弥补了现有预测技术的不足,提高了产品意象的预测精度和效果。(4)面向意象的产品外观生成和优化决策。为了形成完整的产品外观意象设计技术,首先提出了面向意象的二维造型、三维造型和色彩的生成和评价技术,包括基于关键主成分和关联造型特征的二维造型生成和评价技术、基于条件变分自编码器及其生成效果评价指标的三维造型生成和评价技术以及基于关键色彩变量和色彩多意象优选模型的色彩生成和评价技术。为了实现产品外观意象设计的全流程计算机辅助设计,进一步提出了具有更好的多目标优化性能的改进强度帕累托进化算法并优选了更客观准确的熵-TOPSIS多属性决策方法,保证了外观方案的多目标优化的创新性和意象符合度以及最优决策的准确性和合理性。最后,形成了完整的产品外观意象设计集成技术。(5)应用研究。将理论研究成果应用于汽车外观设计的工程实践,深入阐述了数据驱动的产品外观意象设计的具体实施过程,验证了理论研究成果的可行性、有效性和应用价值。论文分别以产品的二维造型、三维造型、色彩以及结合三维造型和色彩的外观为研究对象,从外观量化、外观意象定位、外观意象预测以及面向意象的产品外观生成、优化与决策等方面,系统性和创新性地解决了制约产品外观质量设计的有关问题,形成了数据驱动的产品外观意象设计技术,为有效开展产品外观设计研发和工程实践提供了科学的理论基础和分析方法。