一、最优制导概论：从理论到工程的桥梁
大家好，我是你们这门课的主讲。今天咱们聊聊最优制导的“开场白”。
说实话，我刚开始接触制导律时，觉得这东西就是一堆数学公式。直到有一次，我在项目中调试一个高机动目标拦截算法，眼睁睁看着导弹因为制导指令滞后而脱靶。那一刻我才明白——制导律不是纸上谈兵，它直接决定了导弹能不能“打中”。
1.1 最优控制理论在制导中的应用
最优控制理论，说白了就是“怎么做得最好”。在制导领域，我们关心的是：给定一个目标，如何用最少的能量、最短的时间、或者最小的脱靶量，把飞行器导引到目标点。
你想想看，导弹在空中飞行，燃料有限，时间紧迫，还要应对目标的各种机动。这本质上就是一个带约束的优化问题。
我个人习惯把最优制导分为三类核心问题：
- 能量最优：用最少的控制力完成任务，适合巡航导弹
- 时间最优：最快到达目标，适合拦截高速目标
- 脱靶量最优：最小化最终误差，适合精确打击
我记得在2018年做的一个项目中，我们尝试用线性二次型调节器（LQR）设计制导律。结果发现，理论上的最优解在实际系统中往往因为模型误差而失效。嗯，这里要注意——最优控制理论给出的是“理想解”，工程实现需要大量折中。
核心观点：最优控制理论为制导律设计提供了数学框架，但真正的挑战在于如何把理论转化为可执行的算法。
1.2 制导律发展历程
制导律的发展，其实是一部“从简单到复杂、从线性到非线性”的进化史。我把它归纳为四个阶段：
| 阶段 | 时间 | 代表方法 | 特点 |
|---|---|---|---|
| 第一阶段 | 1940s-1960s | 比例导引法（PN） | 简单、可靠，至今仍在用 |
| 第二阶段 | 1960s-1980s | 线性最优制导（LQG/LTR） | 引入状态估计，抗干扰能力提升 |
| 第三阶段 | 1980s-2000s | 非线性制导（滑模、反步法） | 应对大机动目标，鲁棒性强 |
| 第四阶段 | 2000s至今 | 智能制导（强化学习、模型预测） | 自适应、在线优化，但计算量大 |
我曾经踩过一个坑：在某个项目中，我们直接套用了最新的智能制导算法，结果因为计算延迟太高，导致制导指令更新频率跟不上。后来我换回了经典的线性最优制导，配合简单的自适应增益调度，反而效果更好。选方法不是越新越好，而是越合适越好。
避坑指南：我曾经以为非线性制导一定优于线性制导，直到在工程中发现——线性方法在大部分工况下已经足够，而且调试成本低得多。不要为了炫技而选择复杂算法。
1.3 课程目标与学习路径
这门课的目标很明确：让你不仅能看懂最优制导的数学推导，还能亲手写出可运行的制导律代码。
我建议的学习路径是这样的：
- 打好基础：复习线性系统理论、最优控制原理（特别是变分法和庞特里亚金极小值原理）
- 掌握经典方法：从比例导引法开始，逐步过渡到线性二次型制导
- 深入非线性：学习滑模制导、反步法，理解鲁棒性的本质
- 实战演练：用MATLAB/Simulink搭建仿真环境，验证算法效果
- 前沿探索：了解模型预测控制、强化学习在制导中的应用
为什么这么安排？因为我在带新人时发现，很多人一上来就想搞“高大上”的算法，结果连基本的坐标系变换都搞不清楚。制导律设计，地基不牢，地动山摇。
我的小建议：每学完一个算法，立刻动手写代码仿真。不要只看推导。我曾经花了两周时间推导一个复杂的非线性制导律，结果写代码时发现有个符号搞反了——仿真结果直接飞到了天上去。动手，才是检验真理的唯一标准。
本章知识体系
下面这张图，是我自己梳理的本章知识结构。它帮你把零散的知识点串起来：
这张图把本章的三个核心模块串在了一起。你会发现，最优控制理论是“内功”，制导律发展是“招式”，课程目标就是“修炼路径”。三者缺一不可。
好了，第一章就到这里。记住我说的：别急着写代码，先把概念理清楚。下一章我们开始真正动手——从比例导引法的数学推导开始。
公众号:蓝海资料掘金营，微信deep3321