目前，人工智能的情感计算已经涉及到三种情感技能——感知情绪，识别情绪，表达情绪的能力。然而对情感计算的广泛关注确是直到1997年MIT实验室，Picard教授出版《情感计算》(AffectiveComputing)的专著后，一般认为，情感计算(affective computing)技术是通过各种传感器获取由人的情绪，情感所引起的表情及生理变化信号，利用“情感模型”对这些信息进行识别，模仿人的情感认知体验过程和情感表达过程，从而对环境交互提供直观的智能的反馈。本文首先提出了一种新型人工心理的建模方法，并具体介绍该模型的工程实现方法，之后使用该模型的输出来驱动一个动态面部表情合成应用当中。该心理工程模型包含两个模型，即情绪状态模型和神经状态模型。情绪状态模型的建模思想来源于情绪是由激发产生并弹性的恢复到平静的过程，是短暂而强烈的体验，整个情绪的发生发展过程都伴随着波动。鉴于该特点引入了二阶模型来刻画情绪的波动过程，同时通过和动力学相关概念的类比，对情绪状态激励模型中相关参数进行命名和计算，再有，引用能量的观点来分析情绪的积累因素及情绪问的相互影响。而神经状态模型的引入来反映神经状态的激活程度，神经状态对情绪状态起催化作用，进而影响情绪和行为。该神经状态模型的提出基于产生神经生理反应的生理基础一主要考虑两方面特性——饱和性和滞后性。在情绪状态模型的基础上引入心境概念来反映持久的情绪基调积累对人们的内心体验和行为的影响。并在此之后，介绍表情合成方法及表情合成单元的建立。最后介绍情感模型和表情合成单元的结合实验，生成动态面部表达。本文的创新点主要有：1、在工程上提出将情感的认知过程和作用体验过程分别考虑，单独研究情感作用体验的内在生理心理过程；2、在工程上根据情感作用的心理学机理，提出类比动力学的研究思想方法，对情绪发生发展的动态过程进行工程建模，使得情绪过程动态的表现，以运动学，控制学的理论作为数学推导基础；3、在工程上考虑神经状态对情绪心理过程的影响。4、在工程上提出对输入刺激进行类别、作用时间、强度上的标记要求，更具心理学意义。