随着我国由制造业大国向制造业强国迈进,我国对数控机床加工精度的要求越来越高。然而随着数控机床加工精度的不断提高,热误差已经成为影响数控机床加工精度的关键因素,因此对机床热误差进行有效补偿已经成为我国乃至世界亟待解决的问题。本课题以数控机床的热误差补偿为主线,从数控机床的热变形有限元分析,机床温度测点优化和热误差建模三个方面进行了深入研究。首先是数控机床的热变形有限元分析。从理论上给出了数控机床热源和散热系数的计算方法,在有限元分析与实测对比验证基础上对轮槽铣床主轴箱进行了稳态和瞬态的热-结构耦合分析,得到了轮槽铣床主轴箱的温升和热变形规律,并分析了环境温度对轮槽铣床主轴箱热变形的影响。其次是对数控机床的温度测点优化。采用瞬态热分析的方法获得XK5034立式铣床整机的温升和热变形数据,对预先布置的温度测点采用模糊C均值聚类算法进行分组优化。针对模糊C均值聚类算法需要人为设定分类数的弊端,对算法进行了改进,提出了聚类数自适应算法。该算法不仅能给出最佳聚类数,还能对测点进行分组优化,改进后的算法将温度测点由13个减少到6个,其测点分类情况与实际情况更加吻合。在此基础上,将聚类数自适应算法应用到轮槽铣床主轴箱的温度测点优化上,得到了主轴箱的关键测温点。最后是对数控机床的热误差建模。搭建实验平台测量机床关键测点的温升和机床主轴的热变形,采用径向基神经网络和多元线性回归两种建模方法分别对两种不同测点优化得到的温度测点进行热误差建模,并对它们的建模精度和鲁棒性进行了对比分析。结果发现:所建立的热误差模型都能较好的预测机床的热误差,而径向基神经网络的聚类数自适应算法的预测精度和鲁棒性最好。