一种面向用户偏好的饮料瓶产品智能设计方法与流程

本发明涉及一种设计方法，具体涉及一种面向用户偏好的饮料瓶产品智能设计方法。

背景技术：

传统的产品设计中，通过工业设计师赋予产品形象。存在设计效率低、设计方案少和难以满足不同用户喜好等问题。由于消费大众对产品设计要求的不断提高以及感性因素的复杂性和多样性，新兴用户群体对产品的造型有强烈的差异化诉求。不同的用户具有不同的偏好，传统的产品设计方法在面对广大消费者的个性化设计需要时,有一些难以克服的困难：满足广大消费者的个性化设计需求，需要大量的设计方案，这不仅需要更多设计师，而且导致时间成本和人工成本大大增加；个性化设计需要调研大量的消费人群；从调研材料到满足用户需要的设计方案，需要一个文字表述到图形表现的转化过程，即使调研结果准确，设计师设计的产品也未必能准确地迎合用户的偏好。

技术实现要素：

本发明的目的是克服现有技术的不足，提供一种面向用户偏好的饮料瓶产品智能设计方法。

本发明的目的是通过以下技术方案实现的:

面向用户偏好的饮料瓶产品智能设计方法，包括如下步骤：

步骤1：通过知识约束和尺寸约束，明确饮料瓶各个部分的几何拓扑关系,确定饮料瓶的造型参数；饮料瓶造型的知识约束包括：各个部分的特征形式、各个部分之间的贴合关系、平行关系、同轴关系；尺寸约束包括各个部分的高度、各个横截面的高度和半径、转折位置的倒角；饮料瓶造型参数包括4类：主要尺寸参数、细节尺寸参数、主要特征参数和细节特征参数；主要尺寸参数包括：瓶身的半径、瓶口的半径、底部高度、肩部高度、口部底端的高度、盖子底端的高度、盖子的高度和盖子的半径；细节尺寸参数包括:不同截面高度上,瓶身半径的变化；底部倒角的半径、肩部倒角的半径，各种凸起的高度,各种倾斜的角度；主要特征参数包括：瓶底、瓶身、瓶口、肩部、盖子的特征形式；每个部分有多种特征形式；细节特征参数描述主要特征形式的细节变化；

步骤2：所述的饮料瓶三维造型参数构成一个多元数组；每个饮料瓶三维设计方案都是由一个多元数组决定的造型表现形式；这个数组就是饮料瓶造型的染色体,构成该数组的每个造型参数是饮料瓶的造型基因；

步骤3：通过饮料瓶三维设计方案的进化，得到用户满意的设计方案；所述进化过程是通过对初始种群个体的染色体编码进行选择、交叉、变异，产生新一代种群，并对新种群进行适应度评价，保存适应值最高的个体，进入下一代的选择、交叉和变异操作，直到产生用户满意的设计方案为止。

作为优选：所述步骤3具体包括如下步骤：

步骤3-1：随机生成N个多元数组作为第一代的设计方案种群；将用户的偏好值作为适应度值；用户偏好评价采用有相似偏好的用户群体对饮料瓶设计方案进行共同评分；

步骤3-2：选择，根据各个设计方案个体的适应度，按照转轮盘法，从第t代设计方案群体P(t)中选择出一些优良的个体进行交叉和变异；先计算出设计方案种群中所有个体的适应度之和，再计算各个个体被遗传到下一代的概率R_i是第i个个体方案进入下一代的概率，V_i是第i个个体的适应度值；将每个个体的遗传概率按照轮盘方式排列；然后，在0-1之间，随机取值x；x处于轮盘的位置，决定了哪个个体被选择进入下一代；共进行N次随机选择，选择N个染色体；被选中的N个染色体，构成新的种群p(t’)；

步骤3-3：交叉，被选择的个体按先后顺序搭配成对，以某一交叉概率交换它们之间的部分染色体；P(t’)中的染色体，依次两两配对，进行交叉操作；两个染色体在随机位置断开，相互交换部分基因，生成2个新的染色体；本发明中，交叉概率H的取值范围为0.8-1；

步骤3-4：变异，被选择的个体以某一变异概率改变某些基因位上的基因值；交叉操作后，产生新种群p(t”)；需要选择种群p(t”)中的一些染色体，进行变异操作；变异概率K的取值范围是0-0.1；K表示在p(t”)种群中，每条染色体发生变异的概率；在发生变异的染色体中，发生变异的基因的数量为1-10个；发生变异的基因数量和位置是随机选择的；

步骤3-5：种群P(t)在经过选择、交叉和变异操作之后，产生新一代种群P(t+1)；当某一代种群中，出现适应度值大于某一值的设计方案，进化过程结束。

作为优选：所述步骤3-1中N为40。

作为优选：所述步骤3-1中用户评价分值采用10分制，1分为最小值，10分为最大值；所述步骤3-5中出现适应度值大于9.5分的设计方案，进化过程结束。

本发明的有益效果是:本发明以用户的偏好为进化依据，各个染色体之间发生交叉和变异，促使新生的饮料瓶设计方案逐步趋近于用户的喜好。该方法可以帮助用户直接参与设计方案的进化和产生,避免设计服务目标的偏离，提高设计效率。同时，用户的直接参与，可以解决个性化设计中设计成本过高的问题。

附图说明

图1为饮料瓶造型结构示意图；

图2为饮料瓶设计方案的二进制编码示意图；

图3为遗传概率按轮盘排列；

图4为交叉操作示意图；

图5为变异操作示意图；

具体实施方式

下面结合实施例对本发明做进一步描述。下述实施例的说明只是用于帮助理解本发明。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

如图1所示，本发明将饮料瓶造型结构描述为瓶底、瓶身、肩部、口部和瓶盖五个部分，这五个部分从下到上依次排布。

步骤1：通过知识约束和尺寸约束，明确饮料瓶各个部分的几何拓扑关系,确定饮料瓶的造型参数。

饮料瓶造型的知识约束包括：各个部分的特征形式、各个部分之间的贴合关系、平行关系、同轴关系等；尺寸约束包括各个部分的高度、各个横截面的高度和半径、转折位置的倒角等。

饮料瓶造型参数包括4类：主要特征参数、细节特征参数、主要尺寸参数、细节尺寸参数。所述的饮料瓶造型参数共65个，这些参数变量根据所述的知识约束和尺寸约束构建饮料瓶的三维造型。

主要特征参数包括：瓶底、瓶身、瓶口、肩部、盖子的特征形式。每个部分有多种特征形式。细节特征参数描述主要特征形式的细节变化。

主要尺寸参数包括：瓶身的半径、瓶口的半径、底部高度、肩部高度、口部底端的高度、盖子底端的高度、盖子的高度和盖子的半径。

细节尺寸参数包括:不同截面高度上,瓶身半径的变化；底部倒角的半径、肩部倒角的半径，各种凸起的高度,各种倾斜的角度等等。

通过Mel语言，根据65个造型参数，绘制饮料瓶三维模型。Mel语言是Maya软件平台的脚本语言。其基本实施框架结构如下：

Model(65个特征参数)//绘制饮料瓶模型

{

{//绘制瓶底部分轮廓线：

产品主要特征A(产品细节特征a1，产品细节特征a2，产品细节特征a3，….)；

主要特征参数信息；

细节特征参数信息；

主要尺寸参数信息；

细节尺寸参数信息；}

{//绘制瓶身部分轮廓线：

产品主要特征B(产品细节特征b1，产品细节特征b2，产品细节特征b3,……)；

主要特征参数信息；

细节特征参数信息；

主要尺寸参数信息；

细节尺寸参数信息；}

{//绘制瓶子肩部轮廓线：

产品主要特征C(产品细节特征c1，产品细节特征c2，产品细节特征c3,……)；

主要特征参数信息；

细节特征参数信息；

主要尺寸参数信息；

细节尺寸参数信息；}

{//绘制瓶口部分轮廓线：

产品主要特征D(产品细节特征d1，产品细节特征d2，产品细节特征d3,……)

主要特征参数信息；

细节特征参数信息；

主要尺寸参数信息；

细节尺寸参数信息；}

放样这四个部分轮廓线；

{//绘制瓶盖部分轮廓线：

产品主要特征E(产品细节特征E1，产品细节特征E2，产品细节特征E3,……)

主要特征参数信息；

细节特征参数信息；

主要尺寸参数信息；

细节尺寸参数信息；}

放样瓶盖部分轮廓线

}

上述框架结构语法比较简单，主要是绘制特征截面的轮廓线，通过多个轮廓线的放样，构建整体模型。

步骤2：将步骤1所述的饮料瓶三维造型参数合并为一个多元数组G(x₁,x₂,x₃,…x₆₅)。在本发明中，每个饮料瓶三维设计方案都是由一个多元数组决定的造型表现形式。数组G就是饮料瓶造型的染色体。

步骤3：饮料瓶造型的染色体编码是产品进化设计的重要环节，是衍生新设计方案的基础。本发明中，采用二进制编码。初始种群中每个设计方案的参数变量是十进制数值。进化计算前，要将每个参数变量的十进制数值转换为二进制编码。每个设计方案的造型用1条染色体表示。每个参数变量代表染色体上的1个基因G_i。每条染色体有65个基因(G₁，G₂，G₃,G₄……G₆₃,G₆₄,G₆₅)，如图2所示。

每个参数变量的二进制编码均采用8位长度。相等长度编码确保了每个基因发生变异和交叉的几率相等。每个设计方案的参数变量有65个，整个染色体的长度L＝65*8＝520。

参数变量的十进制数值d，转换为2进制编码，见公式1，2：

E＝INT{(d-d-_min)/[(d_max-d_min)/(2⁸-1)]}；(公式1)

U＝F_a(E)；(公式2)

E是正整数，INT是取整函数，d是该参数变量的十进制数值，d_min是该参数变量的最小值，d_max是该参数变量的最大值。U是该参数变量的二进制编码，F_a是十进制整数转化为二进制数值的函数。

步骤4：随机生成40个步骤2所述的多元数组，每个数组描述一个饮料瓶三维设计方案。按照步骤1，用这40个数组分别生成40个饮料瓶设计方案，它们作为初始的饮料瓶设计方案种群p(t)。

步骤5：按步骤3，将所述的40个多元数组分别转换为二进制数组。每个二进制数组代表一个饮料瓶设计方案的染色体编码。

步骤6：进行进化操作。本发明中饮料瓶三维设计方案的进化操作包括：选择、交叉和变异。

选择：用户对种群p(t)的40个饮料瓶设计方案进行评分。用户评价分值采用10分制，1分为最小值，10分为最大值。该发明中将用户对设计方案评价值作为每个方案(个体)适应度值。每个方案(个体)的适应度值是设计方案种群进化的依据，决定了个体基因遗传到下一代的可能性。

先计算出设计方案种群中所有个体的适应度之和，再计算各个个体被遗传到下一代的概率，见公式3。某个设计方案适应度值越大，表明设计方案质量越能满足用户的需要，它的基因有更大概率遗传到下一代。

R_i是第i个个体方案进入下一代的概率，V_i是第i个个体的适应度值。

将40个设计方案的遗传概率按照轮盘方式顺序排列，如图3。然后，在0-1之间，随机取值x。x处于轮盘的位置，决定了哪个个体被选择进入下一代。共进行40次随机选择，选择40个设计方案(染色体)，这保证每代种群个体数量与第一代种群个体数量相等。被选中的40个染色体，构成新的种群p(t’)。

交叉：被选择的设计方案个体按先后顺序搭配成对，以某一概率(交叉概率)交换它们之间的部分染色体编码。P(t’)中的染色体，依次两两配对，进行交叉操作，如图4所示。两个染色体在随机位置断开，相互交换部分基因，生成2个新的染色体。本发明中，交叉概率H的取值范围为0.8-1。交叉操作后，产生新种群p(t”)。

变异：需要选择种群p(t”)中的一些染色体，进行变异操作，如图5所示。本发明中，变异概率K的取值范围是0-0.1。K表示在p(t”)种群中，每条染色体发生变异的概率。在发生变异的染色体中，发生变异的基因的数量为1-10个。发生变异的基因数量和位置是随机选择的。变异操作后，产生新种群p(t+1)。

种群P(t)在经过选择、交叉和变异操作之后，产生种群P(t+1)。如果种群P(t+1)中，出现适应度值大于9.5分的设计方案，进化过程就结束了，说明被试已经找到了满意解。否则，需要反复进行选择、交叉和变异操作，直到出现用户满意的方案。

综上所述，本发明以用户对饮料瓶产品的偏好值(适应度值)作为产品进化的重要依据，决定个体基因遗传到下一代的可能性。某个设计方案适应度值越大，表明设计方案质量越能满足用户的需要，它的基因有更大概率被选择进入到下一代。通过反复迭代搜索最优设计方案。该方法可以帮助用户直接参与设计方案的进化和产生,避免设计服务目标的偏离，提高设计效率。同时，用户的直接参与，可以解决个性化设计中设计成本过高的问题。