第四章：纯比例导引法（PPN）——最经典的制导律之一
各位同学，今天我们来聊聊纯比例导引法。说实话，PPN 是我在工程中接触最多的制导律之一。为什么？因为它简单、可靠，而且物理意义非常清晰。我在做某型空地导弹的制导律设计时，最初就是用 PPN 作为基准方案，后来才逐步加入其他修正。
PPN 的全称是 Pure Proportional Navigation，翻译过来就是「纯比例导引」。它和理想比例导引（IPN）的区别，说白了就是：PPN 只控制导弹的航向角速率，而 IPN 还考虑了目标加速度的补偿。嗯，这个区别很关键，我们后面会详细讲。
4.1 PPN 的数学模型
先看模型。PPN 的核心假设是：导弹的航向角速率与视线角速率成正比。公式很简单：
a_m = N * V_c * λ_dot其中：
- a_m：导弹的法向过载（制导指令）
- N：导航比，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）
- λ_dot：视线角速率
你想想看，这个公式的物理意义是什么？就是「视线转得越快，导弹就转得越猛」。我在项目中遇到过一个问题：如果 N 选得太小（比如 N=2），导弹会追不上目标；选得太大（比如 N=6），导弹会过度响应，导致过载饱和。所以 N 的选取是个经验活。
4.2 制导指令的生成
生成制导指令，其实就三步：
- 测量视线角速率 λ_dot：通常由导引头或雷达提供
- 计算接近速度 V_c：由导弹和目标的速度矢量投影得到
- 乘以导航比 N：得到法向过载指令
下面是我写的一个 Python 仿真函数，用于生成 PPN 制导指令：
def ppn_guidance(missile_pos, target_pos, missile_vel, target_vel, N=4):
"""
纯比例导引法制导指令生成
输入：
missile_pos, target_pos: 位置向量 (x, y)
missile_vel, target_vel: 速度向量 (vx, vy)
N: 导航比，默认 4
输出：
a_m: 法向过载指令 (标量)
"""
# 计算视线向量
los = target_pos - missile_pos
R = np.linalg.norm(los) # 相对距离
# 计算视线角速率
los_unit = los / R
V_rel = target_vel - missile_vel
# 视线角速率的近似计算
lambda_dot = np.cross(los_unit, V_rel) / R
# 计算接近速度
V_c = -np.dot(los_unit, V_rel)
# 生成制导指令
a_m = N * V_c * lambda_dot
return a_m这段代码我用了很多次。注意看，我用了 np.cross 来计算视线角速率，这是二维情况下的简化写法。三维情况要复杂一些，但思路是一样的。
4.3 PPN 与 IPN 的区别
好，重点来了。PPN 和 IPN 到底有什么区别？我用一个表格来说明：
| 对比项 | PPN（纯比例导引） | IPN（理想比例导引） |
|---|---|---|
| 控制对象 | 航向角速率 | 视线角速率 |
| 目标加速度补偿 | 无 | 有（理论上完全补偿） |
| 脱靶量 | 非零（目标机动时） | 理论上为零 |
| 工程实现难度 | 低 | 高（需要精确估计目标加速度） |
| 适用场景 | 低速、弱机动目标 | 高速、强机动目标 |
为什么会这样？我解释一下。PPN 只关心「视线怎么转」，它不管目标是不是在加速。而 IPN 会去估计目标的加速度，然后补偿掉。听起来 IPN 更好，对吧？但问题是，目标加速度很难精确估计。我曾经在一个项目中尝试用 IPN，结果因为加速度估计误差太大，制导指令反而比 PPN 还差。嗯，有时候「简单」反而是优势。
4.4 知识体系图
下面我用一张 SVG 图来展示 PPN 的核心逻辑和与 IPN 的关系：
4.5 避坑指南
最后，分享几个我踩过的坑：
- 导航比 N 的选取：我曾经在一个项目中用了 N=3，结果目标做 3g 机动时脱靶量达到了 5 米。后来改成 N=4.5，脱靶量降到了 1 米以内。但 N 不能太大，否则指令会振荡。
- 接近速度 V_c 的计算：注意 V_c 是标量，不是矢量。我见过有人直接用相对速度的模，这是错的。V_c 必须是视线方向上的投影。
- 仿真步长：PPN 对仿真步长比较敏感。我建议步长取 0.001~0.01 秒，否则数值积分会发散。
好了，这一章就到这里。PPN 虽然简单，但它是制导律的基石。下一章我们会讲增广比例导引法（APN），看看怎么在 PPN 的基础上加入目标加速度补偿。嗯，到时候你会看到，APN 其实就是 PPN 加了一个「修正项」。