刘昀晟，苗恩铭，张明德，冯 定，李建刚

（1.合肥工业大学 仪器科学与光电工程学院，合肥 230009；2.重庆理工大学 机械工程学院，重庆 400054；3.长江大学 机械工程学院，湖北 荆州 434023；4.哈尔滨工业大学（深圳），广东 深圳 518055）

热误差对数控机床尤其是高精度数控机床的精度影响严重，可占总误差的40%～70%［1-2］。通过建模以软件方式补偿热误差是提升数控机床精度的重要技术手段［3-4］。合适的温度敏感点选择是建立稳健性热误差补偿模型必须解决的关键技术。要建立预测精度高、稳健性强的机床热误差补偿模型，选择出来参与建模的温度敏感点必须能最大限度地反映温度场的分布特性，同时还要降低彼此之间共线性的干扰［5-6］。

针对温度敏感点选择技术，国内外众多学者都进行了不同程度的深入研究：高斯积分、灰色系统理论、模糊聚类方法、有限元仿真技术等被广泛运用于温度敏感点的选择［6-17］。这些方法多为以分类选优思想为指导进行温度敏感点的选择，目的是减小温度敏感点之间的共线性，提升建模算法的稳健性。

目前针对温度敏感点选择技术的研究多基于机床主轴空转工况，少有研究涉及机床实切工况下温度敏感点的选择。相比于机床空转工况，机床在实切工况下增加了冷却液、切削力、切削深度、进给速度等额外因素的影响，而这些因素的耦合影响，会使得机床热变形来源更加复杂，导致机床的温度场分布发生变化［6］。也就是说，数控机床在主轴空转和实切状态下的热误差特性是不相同的。……