第三节 比例导引法基本原理

各位同学好，我是你们的老朋友。今天咱们来聊聊制导律里最经典、最实用的一个——比例导引法。说实话，我在做飞行器设计那会儿，最早接触的就是它。为什么？因为它简单、可靠，而且物理意义特别清晰。

比例导引法，说白了就是一句话：让导弹的转弯角速度，与目标视线的旋转角速度成正比。你想想看，这其实很符合直觉——目标在动，你的视线在转，那你就跟着转呗。但怎么转、转多快，这就是比例导引要解决的问题。

3.1 比例导引的数学定义

咱们先上数学表达式。比例导引法的基本方程是这样的：

a_m = N · V_c · λ_dot

其中：

• a_m —— 导弹的指令加速度（垂直于视线方向）
• N —— 导航比（无量纲，通常取3~5）
• V_c —— 接近速度（导弹与目标在视线方向上的相对速度分量）
• λ_dot —— 视线角速度（目标视线相对于惯性空间的旋转角速度）

嗯，这里要注意一点。很多初学者会问：为什么要有V_c这个量？我刚开始做仿真时也困惑过。后来在项目中调试一个半主动雷达制导的导弹，才发现V_c的作用——它实际上是一个归一化因子，让加速度指令与接近速度挂钩。接近速度越大，需要的机动能力就越强，这个物理直觉是对的。

还有一种更简洁的写法，只考虑角速度关系：

γ_dot = N · λ_dot

这里γ_dot是导弹弹道倾角的变化率，也就是导弹速度矢量的旋转角速度。这个形式更直观——导弹的转弯速率直接正比于视线旋转速率。

3.2 导航比N的物理意义

导航比N，可以说是比例导引法里最关键的参数。我见过不少工程师，上来就取N=3，问为什么？答不上来。其实N的物理意义非常深刻。

N的本质：它是一个增益系数，决定了导弹对视线旋转的响应强度。

• N < 1：导弹转弯比视线转得还慢，追不上目标。这基本是自杀式设计。
• N = 1：导弹与视线同步旋转，但无法消除初始偏差，容易脱靶。
• 1 < N < 2：能追上，但响应偏慢，过载需求可能较大。
• N = 2：这就是传说中的纯比例导引（PPN）的一个特例，理论上能实现零脱靶量。
• 2 < N < 5：工程上最常用的区间。响应快，过载适中。
• N > 5：响应太快，容易引起振荡，对噪声敏感。我踩过这个坑——有一次仿真里取了N=8，结果导弹像喝醉了酒一样左右摇摆，脱靶量反而变大了。

为什么N不能太大？你想想看，N越大，导弹对视线角速度的放大倍数就越大。但视线角速度测量是有噪声的，放大噪声的结果就是指令加速度剧烈抖动。我曾经在项目中遇到过，因为陀螺仪噪声偏大，N=4.5时导弹就已经开始抖动了，最后不得不降到3.8才稳定下来。

3.3 经典PN定律

经典比例导引（PN，Proportional Navigation）有几个重要的性质，我挑最实用的三个讲：

3.3.1 零脱靶量条件

对于非机动目标（匀速直线运动），PN理论上可以实现零脱靶量。条件是：

• 导航比N > 2
• 初始视线角速度不为零（否则没有制导指令）
• 导弹有足够的过载能力

说白了，只要你的导弹能跟上指令，目标不耍花招，PN就能一枪命中。我在做靶弹拦截仿真时，用N=3的PN，脱靶量基本在0.1米以内——当然，这是理想情况，没考虑噪声和延迟。

3.3.2 过载需求分析

PN的过载需求与目标机动、接近速度、导航比都有关系。一个常用的经验公式是：

n_max ≈ N · V_c · λ_dot_max / g

其中g是重力加速度。这个公式告诉我们：

• 目标机动越大（λ_dot_max越大），需要的过载越大
• 接近速度越快，需要的过载越大
• N越大，过载需求也越大

3.3.3 收敛性分析

PN的收敛性可以用李雅普诺夫方法分析。简单说：

• 当N > 2时，视线角速度λ_dot会逐渐收敛到零
• 收敛速度与N成正比
• 但N过大会导致超调

这就解释了为什么N=3~4是黄金区间——收敛够快，又不会振荡。

3.4 知识体系框架

下面我用一张SVG图来总结比例导引法的核心逻辑：

3.5 一个简单的仿真示例

最后，我给大家一个Python仿真片段，演示PN的基本行为。这个代码我用了很多年，每次做新项目都会拿它先跑一遍：

import numpy as np
import matplotlib.pyplot as plt

# 仿真参数
dt = 0.01  # 时间步长
T = 10.0   # 总仿真时间
N = 3.0    # 导航比

# 初始状态
missile_pos = np.array([0.0, 0.0])
missile_vel = np.array([300.0, 0.0])  # 300 m/s 沿x轴
target_pos = np.array([1000.0, 500.0])
target_vel = np.array([-50.0, 0.0])   # 目标匀速运动

# 仿真循环
for t in np.arange(0, T, dt):
    # 计算视线向量
    los = target_pos - missile_pos
    R = np.linalg.norm(los)
    
    # 计算视线角速度（简化：用叉积近似）
    los_unit = los / R
    rel_vel = target_vel - missile_vel
    # 视线角速度 = (r × v) / r^2
    lambda_dot = np.cross(los, rel_vel) / (R**2)
    
    # PN指令加速度（垂直于视线方向）
    V_c = -np.dot(rel_vel, los_unit)  # 接近速度
    a_m = N * V_c * lambda_dot
    
    # 更新导弹速度（假设瞬时响应）
    # 这里简化处理：加速度垂直于速度方向
    missile_vel += a_m * np.array([-missile_vel[1], missile_vel[0]]) / np.linalg.norm(missile_vel) * dt
    
    # 更新位置
    missile_pos += missile_vel * dt
    target_pos += target_vel * dt
    
    # 检查是否命中
    if R < 5.0:
        print(f"命中！时间: {t:.2f}s")
        break

好了，比例导引法的基本原理就讲到这里。记住三个关键词：正比关系、导航比N、经典PN定律。下次咱们聊怎么在工程中实现PN，以及那些坑该怎么绕。

---