热误差是影响机床加工精度的重要误差源之一,在一般数控机床加工过程中,热误差占加工误差的35%左右,对于精密或超精密加工,热误差对加工精度的影响将达到40%~70%,成为影响精密数控机床加工精度的主要误差因素。因此,研究面向精密数控机床的热误差模型对于改善零件加工精度具有重要的意义。本文提出了基于动态贝叶斯网络(Dynamic Bayesian Network,DBN)的精密数控机床热误差模型,利用球杆仪和温度传感器,考虑机床实际工况下测量数据不完整的状态,结合时间序列算法,实现较好的数据估计和预测;运用灰色系统中模糊聚类方法,对已得数据筛选优化,得到相对精确的测量数据;建立动态贝叶斯网络结构,构建了精密多轴车-铣-磨-滚齿复合加工中心的热误差元素与热变形元素网络节点。主要研究内容如下:(1)为实现精密数控机床的快速有效测量,提出了利用球杆仪(Double Ball Bar,DBB)配合数字温度传感器动态跟踪的测量方案。(2)利用灰色系统中模糊聚类分析法优化关键温度测点,进行温度场和热误差采集实验。结合精密多轴车-铣-磨-滚齿复合加工中心温度场与热误差特点,将温度与热变形量分组,再根据相关性在每组中选择典型值,对测量数据进行修正。(3)针对精密多轴车-铣-磨-滚齿复合加工中心,由于受加工条件和环境因素等复杂变化因素,对于无法获得完整数据的传感器,使用时间序列算法进行预测,建立能够具有代表性的时间依存关系的数学模型,根据模型所呈现的关系走势,对数据进行估算预测。(4)利用灰色系统理论、动态贝叶斯网络建立热误差模型,运用MATLAB软件进行仿真,对结果分析比较,得出较为优越的建模方法,结合实际说明热误差建模的应用。