第1章:比例导引法基础
1.1 比例导引法基本原理
比例导引法,说白了就是让导弹的转弯速率跟视线角速率成正比。这个想法很朴素——你盯着目标看,目标在你视野里移动得越快,你就转得越猛。
我刚开始接触这个领域时,总觉得这原理太简单了,能好用吗?后来做了几个仿真才发现,越简单的东西往往越可靠。比例导引法在工程上用了大几十年,至今仍是很多导弹制导系统的核心算法。
核心思想就一句话:导弹速度矢量的旋转角速度,正比于视线(LOS)的旋转角速度。
关键公式:
ȧ = N · λ̇
其中:
- ȧ — 导弹速度方向变化率(转弯速率)
- λ̇ — 视线角速率
- N — 导航比(无量纲常数)
这个公式看着简单,但背后有深刻的物理含义。我习惯把它理解成一种「负反馈」机制——视线角速率越大,导弹修正越猛烈,直到视线角速率归零,导弹也就对准目标了。
1.2 比例导引法数学建模
咱们来搭一下数学模型。这里我假设你已经有基本的运动学基础,咱们直接上干货。
考虑一个二维平面内的拦截场景。目标在运动,导弹也在运动。我们需要定义几个关键变量:
- R — 导弹与目标之间的相对距离向量
- Vm — 导弹速度向量
- Vt — 目标速度向量
- λ — 视线角(LOS与参考线的夹角)
视线角速率 λ̇ 的计算,我一般用这个表达式:
λ̇ = (R × V_rel) / |R|²
其中 V_rel = Vt - Vm 是相对速度。嗯,这里要注意,叉乘的结果是标量(在二维情况下),代表视线角速率的大小。
有了 λ̇,导弹的指令加速度就可以写成:
a_cmd = N · Vm · λ̇
这个 a_cmd 垂直于导弹速度方向,用来改变导弹的飞行方向。我见过不少新手直接把 a_cmd 当成总加速度,这是不对的——它只负责转弯,不负责加减速。
我的经验:在实际工程中,我习惯把 λ̇ 做一下低通滤波再送入制导律。因为视线角速率测量值往往噪声很大,直接使用会导致导弹乱抖。我曾经在一个项目中吃过这个亏,后来加了截止频率 10Hz 的滤波器,效果立竿见影。
1.3 导航比N的物理意义
导航比 N 是比例导引法里唯一可调的参数。它的物理意义是什么?
我个人理解:N 决定了导弹对视线角速率变化的敏感程度。
N 越大,导弹越「激进」——视线稍微一动,它就猛转。N 越小,导弹越「迟钝」——目标怎么跑,它都慢悠悠地修正。
经典理论给出的取值范围是:
| N 值范围 | 特性 | 典型应用场景 |
|---|---|---|
| N < 2 | 不稳定,脱靶量发散 | 基本不用 |
| 2 ≤ N ≤ 4 | 稳定,响应适中 | 中远程拦截 |
| 4 < N ≤ 6 | 响应快,但易过冲 | 近距离格斗 |
| N > 6 | 噪声敏感,工程上慎用 | 极少使用 |
你想想看,为什么 N 不能小于 2?我记得有一次跟一个刚入行的同事讨论这个问题,他以为 N=1 也能用。我给他看了仿真结果——N=1 时,导弹的转弯速率跟不上视线角速率的变化,脱靶量直接爆炸。说白了,N=2 是稳定性的下限,低于这个值,制导回路就是正反馈了。
避坑指南:我曾经在一个项目中把 N 设成了 5,想着响应快一点好。结果目标稍微做个机动,导弹就大幅过冲,燃料消耗剧增。后来我学乖了——N 不是越大越好,要根据导弹的可用过载和目标的机动能力来折中选取。
1.4 经典比例导引法局限性
经典比例导引法虽然好用,但绝不是万能的。我做了十几年制导控制,总结出以下几个痛点:
- 对目标机动敏感 — 如果目标做大过载机动,比例导引法的脱靶量会显著增大。因为它本质上是一个线性制导律,对付非线性机动时力不从心。
- 末端过载需求大 — 在拦截末端,视线角速率会急剧增大,导致指令加速度飙升。如果导弹的可用过载不够,就会脱靶。
- 初始段误差放大 — 如果初始对准误差大,比例导引法会在早期产生很大的转弯指令,浪费燃料。
- 对测量噪声敏感 — 尤其是高 N 值时,视线角速率的噪声会被放大,导致导弹弹道抖动。
为什么会这样?我个人的理解是:比例导引法只用了视线角速率这一个信息,信息量太少了。它不知道目标在做什么机动,也不知道导弹自身的过载裕度还剩多少。说白了,它是一个「盲人摸象」式的制导律。
不过话说回来,经典比例导引法在工程上依然广泛使用。为什么?因为它简单、可靠、计算量小。对于非机动目标或者弱机动目标,它的表现已经足够好了。我参与过的几个项目中,有一半以上用的就是经典比例导引法,只是加了一些工程化的修正。
核心结论:
经典比例导引法是一个「够用但不完美」的制导律。理解它的局限性,才能知道后续章节中各种优化技巧的价值所在。
本章知识体系
下面这张图是我自己画的,把本章的核心逻辑串起来了。你看一眼就能明白各个知识点之间的关系。
这张图把比例导引法的核心要素都串起来了。从核心公式出发,衍生出基本原理、数学建模和导航比三个分支,最后汇聚到局限性上。后面的章节,我们会针对这些局限性逐一给出优化方案。
公众号:蓝海资料掘金营,微信deep3321