第二节：相对运动学基础——坐标系与运动方程

各位同学好，我是老张。今天咱们聊聊相对运动学里最基础、也最容易搞混的部分——坐标系定义和运动方程推导。

说实话，我见过不少新手工程师，一上来就急着写代码、调参数，结果仿真跑出来弹道乱飞，最后发现是坐标系搞错了。嗯，这种坑我自己也踩过。所以这节课，咱们把坐标系这件事彻底讲清楚。

2.1 三大坐标系：你总得知道自己在哪

做制导控制，说白了就是回答三个问题：我在哪？目标在哪？我怎么过去？这三个问题分别对应三个坐标系。

2.1.1 惯性坐标系（Inertial Frame）

惯性系，我习惯叫它“上帝视角”。它固定不动，不随飞行器旋转或移动。通常我们取地面某点为原点，比如发射点。

• 定义：原点O固定在地面（或某惯性空间），X轴指向正北或发射方向，Y轴垂直向上，Z轴按右手定则确定。
• 特点：牛顿定律在这里成立。说白了，所有动力学方程都得在惯性系里写。
• 我的经验：做半实物仿真时，惯性系的原点我一般选在发射架底部。这样后续算重力势能、初始位置都方便。

2.1.2 弹体坐标系（Body Frame）

弹体坐标系，顾名思义，是“长在导弹身上的”。它跟着导弹一起动、一起转。

• 定义：原点O_b在导弹质心，X_b轴沿弹体纵轴指向头部，Y_b轴在纵向对称面内垂直X_b轴向上，Z_b轴按右手定则指向右侧。
• 用途：描述导弹的姿态（俯仰、偏航、滚转），以及气动力、推力在弹体上的作用方向。
• 避坑指南：我曾经犯过一个低级错误——把弹体坐标系的原点放在了弹头。结果算力矩时，质心位置总是不对。后来才意识到，原点必须取在质心。

2.1.3 视线坐标系（Line-of-Sight Frame）

视线坐标系，是连接导弹和目标的那条“看不见的线”。比例导引法里，这个坐标系是核心。

• 定义：原点O_s在导弹质心，X_s轴沿视线方向指向目标，Y_s轴在包含视线的垂直平面内垂直于X_s轴向上，Z_s轴按右手定则确定。
• 特点：这个坐标系一直在旋转。随着导弹和目标相对运动，视线方向不断变化。
• 为什么重要：比例导引法的核心——控制导弹的加速度垂直于视线方向——就是在这个坐标系里定义的。

2.2 坐标系之间的转换：数学才是硬道理

三个坐标系之间怎么转？说白了就是旋转矩阵。我建议你记住一个原则：从A系到B系，先转哪个角，后转哪个角，顺序不能乱。

2.2.1 惯性系 → 弹体系

这个转换通常用三个欧拉角：俯仰角θ、偏航角ψ、滚转角φ。转换顺序我习惯用3-2-1（先偏航、再俯仰、最后滚转）。

# 惯性系到弹体系的旋转矩阵（3-2-1顺序）
import numpy as np

def inertial_to_body(theta, psi, phi):
    """
    theta: 俯仰角 (rad)
    psi:   偏航角 (rad)
    phi:   滚转角 (rad)
    """
    cθ, sθ = np.cos(theta), np.sin(theta)
    cψ, sψ = np.cos(psi), np.sin(psi)
    cφ, sφ = np.cos(phi), np.sin(phi)
    
    # 绕Z轴转偏航角
    Rz = np.array([[cψ, sψ, 0],
                   [-sψ, cψ, 0],
                   [0, 0, 1]])
    # 绕Y轴转俯仰角
    Ry = np.array([[cθ, 0, -sθ],
                   [0, 1, 0],
                   [sθ, 0, cθ]])
    # 绕X轴转滚转角
    Rx = np.array([[1, 0, 0],
                   [0, cφ, sφ],
                   [0, -sφ, cφ]])
    
    return Rx @ Ry @ Rz

2.2.2 惯性系 → 视线系

这个转换只需要两个角：视线高低角λ_D和视线方位角λ_T。为什么只有两个？因为视线坐标系不关心滚转。

def inertial_to_los(lambda_D, lambda_T):
    """
    lambda_D: 视线高低角 (rad)
    lambda_T: 视线方位角 (rad)
    """
    cD, sD = np.cos(lambda_D), np.sin(lambda_D)
    cT, sT = np.cos(lambda_T), np.sin(lambda_T)
    
    # 先绕Z轴转方位角，再绕Y轴转高低角
    Rz = np.array([[cT, sT, 0],
                   [-sT, cT, 0],
                   [0, 0, 1]])
    Ry = np.array([[cD, 0, -sD],
                   [0, 1, 0],
                   [sD, 0, cD]])
    
    return Ry @ Rz

2.3 相对运动方程：核心推导

好，现在咱们进入正题。相对运动方程，说白了就是描述导弹和目标之间位置、速度、加速度关系的微分方程。

2.3.1 基本假设

推导之前，先明确几个假设。这些假设在工程上基本都成立：

1. 导弹和目标视为质点（不考虑外形）
2. 地球为平面（短程制导足够用）
3. 重力加速度恒定（9.81 m/s²）
4. 大气静止（不考虑风）

2.3.2 相对位置矢量

定义相对位置矢量 r = r_t - r_m，其中r_t是目标位置，r_m是导弹位置。

在惯性系中，这个矢量很简单。但我们要的是它在视线系中的表达。为什么？因为比例导引法需要视线角速率。

2.3.3 视线角速率的计算

这是整个推导的关键。视线角速率 ω_s 等于相对速度矢量叉乘相对位置矢量，再除以距离的平方。

def compute_los_rate(r, v):
    """
    r: 相对位置矢量 (3x1)
    v: 相对速度矢量 (3x1)
    返回: 视线角速率矢量 (3x1)
    """
    R = np.linalg.norm(r)  # 相对距离
    omega = np.cross(r, v) / (R**2)
    return omega

嗯，这里要注意：ω_s 的三个分量分别对应视线坐标系三个轴的旋转角速率。但在比例导引法中，我们只关心垂直于视线方向的两个分量——它们决定了导弹需要产生的横向加速度。

2.3.4 完整的相对运动方程

把上面这些整合起来，得到一组微分方程：

def relative_motion_equations(t, state, a_m, a_t):
    """
    state: [r_x, r_y, r_z, v_x, v_y, v_z] 在惯性系中
    a_m: 导弹加速度 (3x1)
    a_t: 目标加速度 (3x1)
    返回: 状态导数
    """
    r = state[0:3]
    v = state[3:6]
    
    # 相对加速度
    a_rel = a_t - a_m
    
    # 状态导数
    drdt = v
    dvdt = a_rel
    
    return np.concatenate([drdt, dvdt])

2.4 知识体系总览

说了这么多，咱们用一张图把整个知识结构串起来。这张图是我自己画的，你一看就明白。

这张图把咱们这节课的内容串起来了。你从最上面的三个坐标系出发，经过相对运动方程推导，得到三个关键输出，最后落到比例导引法的加速度指令计算。每一步都环环相扣。

好了，这节课就到这里。坐标系定义和相对运动方程推导，是后续所有内容的基础。我建议你动手写写代码，把惯性系到视线系的转换矩阵自己实现一遍。纸上得来终觉浅，绝知此事要躬行。

---

公众号:蓝海资料掘金营，微信deep3321