本文建立了基于神经网络的数控机床热误差数学模型,分析了目前国内外数控机床热误差建模的研究现状,利用改进的粒子群算法和模糊理论与神经网络进行组合对数控机床热误差建模方法进行了研究,并对两种组合建模方法的预测效果进行了比较。结果表明,组合建模方法的效果要明显优于单纯利用神经网络的建模方法。主要研究内容有:1)阐述了数控机床热误差产生原因、热误差补偿技术的研究现状和方法,并指出误差建模是决定补偿效果的关键因素。2)改进并推导了用粒子群算法优化的BP神经网络,并利用matlab软件对模型进行对比仿真。3)用模糊理论和神经网络两者结合对模型进行了仿真。结果表明,利用模糊神经网络进行建模具有良好的预测效果。4)利用Proteus软件模拟仿真开发了数控机床热误差补偿的温度采集系统。系统主要是以AT89C51单片机为核心,采用数字温度传感器(DS18B20)构建了温度采集系统,设计了系统的硬件、软件并对系统进行了整体调试。