纯比例导引法：经典PPN模型

聊到比例导引法，就绕不开纯比例导引法，也就是我们常说的PPN模型。说实话，这是我在工程实践中用得最多的一个模型。为什么？因为它简单、可靠，而且物理意义特别清晰。

PPN的全称是Pure Proportional Navigation。它的核心思想就一句话：导弹的加速度指令垂直于视线方向。嗯，这句话听起来简单，但背后藏着不少门道。

经典PPN模型的数学表达

我们先看公式。PPN的加速度指令可以写成：

a_c = N * V_c * λ_dot

其中：

• a_c — 加速度指令，垂直于视线
• N — 导航比，通常取3~5
• V_c — 接近速度（导弹与目标的相对速度在视线方向的分量）
• λ_dot — 视线角速率

我个人习惯把N取为4。为什么？因为N=4时，理论上对常值机动目标的过载需求是最小的。我在项目中做过对比测试，N=3时弹道偏弯曲，N=5时对噪声太敏感。4是个折中值，工程上最稳。

加速度指令垂直于视线

这一点是PPN区别于其他导引法的关键。你想想看，加速度指令垂直于视线，意味着导弹的过载始终在改变速度方向，而不是改变速度大小。

为什么会这样？因为PPN的设计初衷是：让导弹的视线角速率趋于零。当λ_dot → 0时，导弹就沿着直线飞向目标了。

我记得有一次做半实物仿真，有个同事把加速度指令的方向搞反了，结果导弹直接飞出去了。后来排查发现，他把「垂直于视线」理解成了「垂直于弹轴」。这两个概念差远了，大家一定要注意。

弹道特性分析

PPN的弹道特性，我总结了几个关键点：

1. 弹道平直 — 相比追踪法，PPN的弹道要平滑得多。尤其是迎头拦截时，弹道几乎是一条直线。
2. 过载分布均匀 — 导弹的过载需求在弹道末端会逐渐减小。这一点很重要，因为末段导引头容易丢失目标，过载小意味着控制更稳定。
3. 对目标机动敏感 — 如果目标做大过载机动，PPN的响应速度比纯追踪法快。但要注意，导航比N不能太大，否则容易震荡。

PPN的局限性

任何方法都有短板。PPN的局限性在于：

• 对视线角速率的测量精度要求高。如果导引头噪声大，λ_dot抖动厉害，弹道就会跟着抖。
• 无法直接处理目标的大机动。说白了，PPN是「被动响应」型的，它不会主动预测目标的机动。
• 在尾追攻击时，弹道会偏弯曲。因为接近速度V_c变小，同样的λ_dot产生的加速度指令也变小了。

PPN的弹道仿真示例

下面是一个简单的PPN弹道仿真代码，用Python写的。你可以跑一下看看效果：

import numpy as np

def ppn_guidance(R, V_m, V_t, N=4):
    """
    R: 相对位置向量
    V_m: 导弹速度向量
    V_t: 目标速度向量
    N: 导航比
    """
    # 视线向量
    LOS = R / np.linalg.norm(R)
    # 接近速度
    V_c = -np.dot(V_m - V_t, LOS)
    # 视线角速率（简化计算）
    lambda_dot = np.cross(R, V_m - V_t) / np.linalg.norm(R)**2
    # 加速度指令（垂直于视线）
    a_c = N * V_c * np.cross(LOS, lambda_dot)
    return a_c

这段代码的核心就是计算垂直于视线的加速度指令。注意看，我用的是叉积来保证a_c垂直于LOS。这是PPN的标准做法。

PPN的知识体系框架

为了让你更直观地理解PPN，我画了一张框架图：

这张图把PPN的核心要素都串起来了。你从核心模型出发，左边是数学表达，中间是加速度特性，右边是弹道特性。最下面是局限性，提醒你使用时要注意什么。

工程应用中的几点建议

最后，我结合自己的项目经验，给你几条实在的建议：

• 导航比N不要固定 — 我习惯在弹道初期用N=3，中段用N=4，末段用N=5。这样既能保证弹道平直，又能提高末段精度。
• 注意视线角速率的滤波 — 导引头输出的λ_dot通常有噪声，一定要做低通滤波。我一般用截止频率10Hz的二阶滤波器。
• 考虑导弹的过载限制 — PPN算出来的加速度指令可能超过导弹的实际能力。一定要加限幅，否则控制系统会饱和。

好了，关于纯比例导引法的PPN模型，我就讲这么多。记住它的核心：加速度垂直于视线，让视线角速率归零。这个思想贯穿了整个比例导引法的体系。

---

公众号:蓝海资料掘金营，微信deep3321