为了实现产品概念设计过程的自动化,客观化和高效化,本研究提出了基于计算方法的产品设计方案生成和评价方法,对顾客需求偏好的量化与识别、基于多元准则的产品设计方案生成、面向产品性能的评价指标权重分配以及数据驱动的产品设计方案性能评价进行了深入研究。最后将以上方法和技术应用到吹塑机的设计方案生成和评价中,进行了有效地验证。全文的主要内容如下:第一章提出了本课题研究的背景及意义,主要综述了产品设计方案生成和评价的研究现状,基于该研究领域的现状,给出了所要研究的问题,最后介绍了本文的研究内容和组织框架。第二章提出了改进的连续模糊Kano模型。针对产品设计方案生成前期,模糊的顾客需求不能较好的量化分析,导致理解需求出现偏差,影响设计方案质量的问题。通过模糊Kano模型提取顾客需求类型,利用改进的需求分类表定量化处理顾客需求。根据处理结果,利用信息熵计算各需求的权重大小。上述方法在吹塑机的顾客需求偏好识别和量化中的应用,验证了其可行性和有效性。第三章提出了基于多元准则的设计方案生成方法。针对顾客需求与质量特性转换过程中的多重耦合性问题和产品设计方案生成过程中的组合爆炸问题。首先采用证据推理理论实现了顾客需求向质量特性的映射,获取了各质量特性的重要度;然后以质量特性和结构相容性为优化目标,建立产品设计方案生成的多目标优化模型,利用改进的非支配排序遗传算法(NSGA-II)对该模型进行求解,得到产品方案的非支配解,即候选设计方案集。以吹塑机的设计方案生成为例,验证了以上方法的可行性和有效性。第四章提出了基于粗数的决策试验与评价实验分析(Decision Making Trial and Evaluation Laboratory,DEMATEL)方法。针对性能指标权重确定过程中,指标间关联关系的决策信息具有不确定性和模糊性的问题,利用粗数对这些决策信息进行定量化处理,结合DEMATEL方法分析出指标间的关联性,最后得到性能指标的权重值。以吹塑机的性能指标为例,对该方法的有效性进行了具体说明。第五章提出了数据驱动的设计方案性能评价方法。针对产品设计方案评价过程中过于依赖专家领域知识和经验,导致获取最佳设计方案过程耗时长和主观性强的问题。根据产品的历史设计数据,利用基于粒子群优化算法(Particle Swarm Optimization,PSO)的支持向量机(Support Vector Machine,SVM)构建性能指标的预测模型。基于得到的模型,预测各候选方案在不同性能指标下的取值。根据性能指标权重和各方案的性能预测值,采用多准则妥协解排序法(Vlsekriterijumska Optimizacija I Kompromis Resenie,VIKOR)对各方案进行排序,进而得到最佳设计方案。最后利用吹塑机设计方案的优选验证了上述方法的有效性。最后一章总结了全文的研究内容并展望了今后的研究工作。