车灯照明模式极大的影响着车辆驾驶的安全性。传统照明模式下,车辆启动制动、加减速、转弯、上下坡时会存在一定的视野盲区,存在安全隐患。自适应前照灯系统(AFS)改变了传统照明方式,使前照灯照亮各个视野盲区,保证安全驾驶。然而当前这类系统的开发大多基于车辆本身,未考虑驾驶者主观意识,故建立兼顾车辆安全性与驾驶者舒适性的AFS系统具有现实意义。本文从建立兼顾安全与舒适的优化模型以及解决模型多因素输入的问题上做了以下工作:(1)为实现安全性与舒适性的统筹,建立安全方程来科学分配视野最优模型与安全制动模型的权值。通过划区域分层法对我国七个城市交通事故进行采集,采用Apriori算法对信息预测补全,运用最远间距法定义信息间距,利用国家判定标准划定损伤等级,根据相对距离比确定聚类主体,最终得到车速与累计损伤关系。在低速视野优先,中速视野安全兼顾,高速安全优先的驾驶原则下,得到累计损伤映射下的安全方程。(2)为解决对象模型多因素以及输入端口数可变的问题,本文设计了神经网络在线建模算法,得到多因素下的优化辨识模型并进行仿真环境下的验证。通过对安全方程加权后优化模型的样本数据辨识,实现多因素输入(车速、转弯半径、方向盘转角以及摩擦因数)单因素输出(车灯转角)。模拟实际驾驶过程得到结果显示:输出误差带范围符合AFS系统对车灯转角的要求,该多因素下的优化模型辨识方法效果良好。设置不同仿真驾驶环境验证并偏转效果,在误差小的基础上发现各个模式输出信号存在尖端毛刺,影响车灯精度与寿命。(3)为了消除输出信号毛刺,设计了PID控制器与模糊PID控制器优化输出效果。结果显示:响应时间与转角误差均符合系统要求,达到了良好的控制效果。对比两种控制器,模糊PID控制器的效果优于PID控制器。(4)为验证ASF系统的多因素优化辨识模型的实验效果,设计了硬件实验。MPU6050模拟车辆加减速,电位器模拟转向,电机输出转角,通过主芯片以及板载模块处理输入输出数据。模拟车辆的特定驾驶过程,得到实验结果显示响应时间与偏转误差符合系统要求,验证了多因素优化辨识模型方法的可行性。