基于积极情绪粒度的新能源SUV轮毂造型优化方法

《Scientific Reports》：A styling optimization design method for new energy SUV wheel hubs based on positive emotional granularity

　　本研究开发了一种基于积极情绪粒度（PEG）的新能源SUV轮毂造型优化方法。通过场景化专家筛选、意象词汇细化、主成分分析和用户评分，确立了三个意象维度；运用形态学分析和层次分析法确定了八个输入变量。将粒子群优化-反向传播神经网络（PSO-BP）与BP神经网络、支持向量回归（SVR）、麻雀搜索算法优化支持向量回归（SSA-SVR）以及普通最小二乘回归（OLS）进行了比较。采用第三代非支配排序遗传算法（NSGA-III）和熵权TOPSIS辅助候选方案生成与优选。在20组匹配的随机划分中，PSO-BP取得了最低的等权三目标测试均方根误差（0.1896）。经相关性调整和Holm校正后，仅其与OLS在“现代动感”意象维度上的比较具有显著性（p = 0.0315）。十次搜索最终得到超体积为1.10825 ± 0.00360。在固定354个候选方案集合内，等权设置和六种局部权重扰动均保持了基准排名第一的候选方案，而代理模型变更和预测误差会影响排名顺序。实际设计方案的最大径向静应力为175 MPa，低于252 MPa的屈服强度。该“解耦-映射-优化-验证”方法可在样本覆盖范围、预测不确定性和工程条件允许的前提下，为早期造型决策提供支持。