数控机床作为加工各种产品的工具,对其加工精度的要求越来越高,而热误差是影响数控机床加工精度的主要因素,越来越受到研究人员的关注。研究人员提出了各种各样的数控机床热误差模型,而热误差模型鲁棒性的研究却相对较少。热误差模型的鲁棒性就是当外界环境、工况、仪器测量精度等因素发生变化时,热误差模型仍能够满足一定预测精度的能力。鲁棒性越高,热误差模型越能被接受,并得到广泛的应用,因此有必要提出一种对热误差模型鲁棒性分析评价的方法,对热误差模型的鲁棒性进行分析评价,获得其鲁棒性的情况。本文通过仿真及实验对常用数控机床热误差模型的鲁棒性进行研究,主要研究工作如下:(1)针对数控机床热误差模型的鲁棒性展开研究,通过对大量相关文献的归纳总结,提出了包括抗噪能力、对突发状况的适应能力在内的部分热误差模型鲁棒性评价的性能指标。(2)选择RBF神经网络和最小二乘支持向量机分别建立数控机床热误差模型,对热误差模型的抗噪能力以及对突发状况的适应能力进行了鲁棒性测试实验。(3)研究了云模型的基本理论,通过对云模型处理不确定性问题的分析研究,将云模型理论引入到数控机床热误差模型鲁棒性评价机制中,提出了针对热误差模型的基于云模型的鲁棒性评价方法,通过实验证明其对于热误差模型鲁棒性的评价是有效的,研究具有一定的理论意义和使用价值。