本文首先对国内外数控机床热误差补偿技术的研究现状作了概述与分析,在此基础上,对热误差补偿研究的关键技术如:①热关键点的优化选择、②热误差建模技术进行了深入的分析研究,并通过数控机床加工中心的实验应用分析,证实本文研究成果可显著有效地改善机床的加工精度。主要研究工作包括以下几点:(1)针对影响机床热误差建模的机床温度场分布问题,提出了优化热关键点的新方法。借助于灰色系统理论的关联度分析方法,根据现场测得的统计数据序列,建立了灰关联分析模型,分析了影响机床温度场分布中的各因素对机械加工热误差的重要程度,对其进行了综合性能评价并进行了相对优劣排序,从众多的温度测点中选出了影响程度最关键的点,经过温度测点的筛选,减少了测点的数量,优化了测温时热传感器在机床上的布置,从而可以较简便的分析所研究机床的热误差,提高了热误差模型的鲁棒性。(2)提出了采用时间序列分析法进行机床热误差建模的基本原理及方法,及其在数控机床热误差补偿建模中的应用。详细论述了如何利用实测的热误差序列进行识模、建模和预报,最后通过对车削中心连续多组观测数据进行了计算分析,论证了时序分析法在数控机床热误差建模应用中的可行性与有效性。(3)提出了采用灰色系统模型进行机床热误差建模的基本原理及方法,及其在机床热误差补偿建模中的应用。详细论述了如何利用实测的热误差序列,通过灰色系统理论的建模方法进行机床热误差建模和预报。并且在此基础上提出了基于改进灰色系统的预测模型,该模型首先利用函数变换法改善灰色系统数据序列的光滑度,然后采用等维新陈代谢法克服了传统的灰色预测模型的不足,使所建模型具备了输入数据动态更新的能力,使预测更趋于合理。(4)基于机床热变形误差的产生机理及其表现形式的复杂性,本文综合了时序分析方法建模和灰色系统理论建模的优点,研究了智能预测模型,将该模型应用于一台数控车削加工中心进行热误差趋势预测,进行机床热误差补偿研究。智能预测模型是在灰色系统GM(1,1)建模思想的基础上,首先通过函数变换法改变了机床热误差原始数据序列的光滑度,再用得到的新数据序列建立灰色系统GM(1,1)模型,对于GM(1,1)模型的残差序列又建立了时序分析模型,以修正原GM(1,1)模型,从而进一步改善了综合预测模型的建模精度,将其应用于工厂现场的一台数控车削中心进行热误差预测建模研究,取得了令人满意的结果,能够有效地提高机床热误差的预测精度,对实现机床热误差实时补偿具有重要意义。(5)主要介绍了测量不确定度的定义及内容,借助于灰色系统理论的特点,着重探讨了检测系统的动态不确定度的计算步骤和方法。结合自主研发的数控机床热误差实时补偿检测系统,对车削加工中心热误差进行了测试,通过获得的测试数据来进行动态不确定度分析和研究,最终得出了检测系统的动态不确定度表达式,并与其静态不确定度进行了比较,分析了产生误差原因,通过残差修正进一步提高了动态不确定度的精度,为科学的评价检测系统,提高检测系统的有效性提供了依据。(6)进行热误差鲁棒建模的试验研究,实施热误差实时补偿在车削中心上的应用。先进行热源分析、热模态分析和温度传感器最佳安装位置分析,以了解影响机床加工精度的主要热源及获得机床上的关键温度点;然后利用上述多种机床热误差建模方法进行热误差检测和建模;最后给出热误差补偿系统,并通过实际生产使用情况论证方法的正确性。