目前,连续展成加工工艺是制齿行业的主流工艺,齿轮连续展成加工机床主要包括滚齿机和蜗杆砂轮磨齿机,决定着制齿企业的核心竞争力。制齿机床的精度直接决定了齿轮的加工质量。然而,齿轮连续展成加工机床的精度受热变形影响很大,机床热变形规律不明、缺少热误差建模方法等问题都迫切需要解决。滚齿机和蜗杆砂轮磨齿机虽然分别用于粗、精加工,但结构相似,原理相同。因此,本文基于齿轮连续展成加工机床结构和工艺上的共性特点,对热特性分析与热误差建模问题进行研究。本文主要研究内容如下:（1）针对齿轮连续展成加工机床热变形规律不明的问题,进行机床热特性分析。基于滚齿机、蜗杆砂轮磨齿机结构和工艺上的共性特点,对其热源分布和热变形趋势进行初步分析。随后在不同热源的影响下对两种机床进行有限元分析,获得稳态温度场分布云图与热变形云图,初步了解齿轮连续展成加工机床的热变形规律,为热误差采集实验提供理论支撑。（2）针对齿轮连续展成加工机床热误差采集和温度测点优化问题,设计并进行了热误差采集实验,并提出基于改进k均值聚类法的温度测点优化方法。设计温度与位移测量系统,并进行不同工况下的热误差采集实验,得到齿轮连续展成加工机床的温度-热误差数据,为热误差建模提供数据基础。在k均值聚类方法中引入互信息法实现温度测点的优选,引入多元回归建模确定最佳聚类数,进而实现温度测点的优化。通过与有序聚类、灰色关联度与模糊聚类方法优选温度测点的建模对比,验证改进k均值聚类方法在齿轮连续展成加工机床温度测点优化问题中的优越性。（3）针对齿轮连续展成加工机床热误差建模问题,研究基于卷积神经网络（CNN）的热误差建模方法。基于卷积神经网络原理,设计算法结构,进行滚齿机和蜗杆砂轮磨齿机的热误差建模。通过与多元回归模型、GA-BP神经网络模型的对比,验证卷积神经网络在齿轮连续展成加工机床热误差建模问题中具有更高的预测性能。为项目后续的热误差补偿研究提供建模方法支持。