第四节：速度矢量控制问题数学描述

各位同学，今天我们来聊聊速度矢量控制问题的数学描述。说实话，这部分内容我当年学的时候也觉得有点抽象，但后来在项目中才发现——这些数学描述，其实就是我们和导弹之间的「对话语言」。

你想想看，导弹不会说人话，它只认数学。我们要告诉它「往哪飞、飞多快」，就得用数学公式把话说清楚。这就是我们今天要讲的核心。

4.1 控制目标定义

控制目标说白了就两件事：末端速度大小和末端速度方向。

先看速度大小。比如我们要拦截一个目标，末端速度不能太快也不能太慢。太快了可能过载太大，结构受不了；太慢了又追不上目标。我习惯用这个公式来描述：

V_target = V_desired ± ΔV

其中 V_desired 是我们期望的末端速度，ΔV 是允许的误差范围。嗯，这里要注意，ΔV 不是随便给的，得看具体任务需求。

再看速度方向。这个更关键。方向错了，速度再大也没用。我们用视线角来描述：

θ_target = θ_desired ± Δθ

θ_desired 是期望的末端视线角，Δθ 是允许的角度误差。我在项目中遇到过，有一次就是因为 Δθ 设得太宽松，结果导弹末端姿态偏差太大，差点脱靶。从那以后，我对这个参数就特别敏感。

4.2 约束条件

约束条件，说白了就是「不能越过的红线」。导弹不是万能的，它有自己的物理极限。我总结了三大约束：

4.2.1 过载约束

过载，就是导弹能承受的最大加速度。用公式表示：

|n| ≤ n_max

n_max 是最大可用过载。超过这个值，导弹结构可能损坏，或者制导系统失稳。我曾经见过一个案例，就是因为过载超限，导弹在空中解体了。嗯，这个教训很深刻。

4.2.2 攻角约束

攻角，就是导弹轴线与速度方向的夹角。攻角太大，气动特性会急剧恶化：

|α| ≤ α_max

α_max 一般由气动设计决定。我建议在设计时留出 10%-20% 的余量，因为实际飞行中攻角波动往往比仿真大。

4.2.3 舵偏角约束

舵偏角，就是控制舵面的偏转角度。这个约束最直接：

|δ| ≤ δ_max

δ_max 由舵机性能决定。我记得有一次做半实物仿真，舵机响应慢了 5 毫秒，结果整个控制回路都振荡了。所以舵偏角约束不仅要看幅值，还要看速率。

4.3 性能指标

性能指标，就是衡量「好不好」的标准。我把它分成三类：

4.3.1 脱靶量

脱靶量是最直接的指标。导弹离目标有多近？用公式：

miss_distance = ||r_target - r_missile||

脱靶量越小越好。但要注意，脱靶量不是唯一指标。有时候脱靶量很小，但末端姿态很差，照样打不中目标。

4.3.2 能量最优

能量最优，说白了就是「省着用」。用控制能量的积分来衡量：

J_energy = ∫(u²) dt

u 是控制输入。能量最优的好处是节省燃料，减少舵机磨损。但代价可能是飞行时间变长。

4.3.3 时间最优

时间最优，就是「越快越好」。用飞行时间衡量：

J_time = t_f - t_0

时间最优适合紧急拦截任务。但代价是控制能量消耗大，过载可能接近极限。

4.4 知识体系框架

下面我用一张图来总结本章的知识结构。这张图是我自己画的，希望能帮你理清思路：

4.5 数学建模示例

最后，我给大家一个简单的 Python 代码示例，演示如何把上述数学描述变成可执行的仿真：

import numpy as np

class SpeedVectorControl:
    def __init__(self):
        # 控制目标
        self.V_desired = 300  # 期望末端速度 (m/s)
        self.theta_desired = 0  # 期望末端视线角 (rad)
        self.delta_V = 10  # 速度误差容限
        self.delta_theta = 0.05  # 角度误差容限
        
        # 约束条件
        self.n_max = 20  # 最大过载 (g)
        self.alpha_max = 15 * np.pi / 180  # 最大攻角 (rad)
        self.delta_max = 25 * np.pi / 180  # 最大舵偏角 (rad)
        
    def check_constraints(self, n, alpha, delta):
        """检查约束是否满足"""
        if abs(n) > self.n_max:
            return False, "过载超限"
        if abs(alpha) > self.alpha_max:
            return False, "攻角超限"
        if abs(delta) > self.delta_max:
            return False, "舵偏角超限"
        return True, "约束满足"
    
    def evaluate_performance(self, V_end, theta_end, control_energy, flight_time):
        """评估性能指标"""
        miss_distance = abs(V_end * np.sin(theta_end))
        energy_cost = control_energy
        time_cost = flight_time
        return miss_distance, energy_cost, time_cost

这段代码虽然简单，但已经包含了我们今天讲的所有核心要素。我建议你把它跑一遍，看看不同参数下约束条件和性能指标的变化。

好了，今天的内容就到这里。速度矢量控制的数学描述，说白了就是三件事：目标、约束、指标。把这三点搞清楚了，后面的制导律设计就有了坚实的基础。

---

公众号:蓝海资料掘金营，微信deep3321