设计方案评价是产品设计过程中决定产品设计方向和最终形态的关键环节。随着“互联网+”概念的提出,众创设计模式得到了快速发展。相较于传统设计方案而言,众创设计方案具备数量大、表现形式种类多和相似性高的特点,使得众创设计方案评价非常困难,对众创设计方案进行快速评价变的愈发重要。本文分析了众创设计方案表现形式,提出了众创设计方案的评价指标选取与权值分配方法;将深度信念网络应用于众创设计评价中,建立了众创设计方案评价模型;考虑了众创设计方案数据分布规律,提出基于聚类的众创设计方案评价方法,在训练集构建的过程中进一步提高评价效率;开发了复杂定制装备众创设计平台,并采用注塑机注射部件的众创设计方案评价实例验证了本文方法的有效性。本文共分为六章,主要内容如下:第一章介绍了产品设计的发展和设计方案评价的国内外研究现状,阐述了本文的研究背景并给出了本文的主要研究内容和组织框架。第二章分析了众创设计方案表现形式,给出了评价指标选取与权值计算的方法。分析了众创设计方案的表现形式,采用评价指标对众创设计方案进行一致性建模;考虑了评价指标的从属关系,采用层次分析法计算各评价指标的权值分配;采用改进的9段法优化众创设计方案评价过程,提出了众创设计方案评分的加权求和法,以量化的评分结果作为众创设计方案的排序指标。第三章构建了用于众创设计方案评价的深度信念网络模型。采用离差标准化法对众创设计方案数据集预处理,消除各评价指标数据量纲,使其符合模型的输入规则;制定了确定深度信念网络隐含层的个数与隐含层节点数的实验流程,给出了网络结构的权值初始化方式和学习率动量的取值;采用对比散度法对模型结构进行预训练,反向传播算法进行调优,得到用于众创设计方案评价的模型。第四章提出了基于聚类的众创设计方案评价方法。分析了评价模型的不足,提出采用k-medoids聚类方法对众创设计方案数据进行聚类分析,获取数据的分布规律;采用抽样的方法,在聚类后的结果中提取k个中心点元素作为特征方案,进行人工评价,学习评价规则;分析了评价指标的取值特点,用数据仿真方法构造深度信念网络评价模型的训练集,优化现有的训练集构造方法,提高众创设计方案评价过程的整体效率。第五章介绍了基于本文理论和方法开发的复杂定制装备众创设计网络平台,并以注塑机注射部件为实例,验证了本文理论及方法的有效性。第六章对本文的主要研究工作和成果进行了总结,并在此基础上对后续研究内容进行了展望。