在工业设计过程中，为了获取用户需求，经常需涉及大量感性词汇。欲从这些感性词汇中挖掘出用户的潜在需求，就需要通过有效的方法量化感性词汇，并分析得出它们之间的关联。通常，这些感性词汇之间存在着多样、复杂、隐蔽的映射关系，传统分析方法难以对它们进行有效处理。本文针对感性词汇的特点，提出一种应用于计算机辅助工业设计的改进PSO-BP网络方法。本方法基于改进PSO算法的BP神经网络，对产品设计过程中涉及的感性词汇进行有效、准确地处理，通过输出权值、网络预测等方式得到能够指导工业设计的量化信息。本文的关键技术包括：PSO算法针对多峰多维求解空间的改进、PSO算法应用于BP神经网络的训练以及改进的PSO-BP算法在工业设计领域的应用方法研究。通过对测试函数的求解结果进行比较，证明了本文提出的改进PSO算法相对于标准PSO算法及几种典型改进算法在对复杂函数求解时具有非常明显的优势。同时，改进的PSO-BP网络拥有远超过标准BP神经网络的泛化能力和稳定性。改进的PSO-BP网络以输出权重、网络预测等方式，成功被应用于工业设计，有效解决了传统分析方法的主观性和片面性。论文应用提出的方法，以保温瓶的改进设计为例，通过产品调研数据处理与分析、改进后产品评价等操作，验证了所研究方法的可操作性和优越性。