Este documento investiga el problema de guía de control de ángulo de impacto para vehículos de vuelo de velocidad variable con aceleración restringida. Se propone una ley de guía de navegación proporcional con sesgo basada en aprendizaje (L-BPN) para lograr un impacto restringido por ángulo de impacto mediante la construcción de una red neuronal profunda (DNN) para el mapeo no lineal entre el ángulo de impacto y el término de sesgo. Durante el proceso de establecimiento del conjunto de datos, se evalúa el impacto de las variables de estado mediante un análisis de sensibilidad para minimizar la cantidad de datos de entrenamiento. Este enfoque también acelera de manera efectiva la generación de muestras y mejora la eficiencia del entrenamiento. Los resultados de la simulación verifican la efectividad de la ley L-BPN propuesta y demuestran sus ventajas sobre los algoritmos existentes.