高端精密数控机床已经成为当代工业的基础,提高机床加工精度的需求持续上升,大量研究表明热误差是造成加工精度下降的关键因素。通常采用热误差预测建模,然后输入与热误差大小相等方向相反的补偿量来提高加工精度。由于数控机床的加工工况复杂,环境温度也在持续发生变化,相关的数据驱动建模方法难以对各种工况建立精准的预测模型,而且每种模型都有自身适用的应用场景及特点,所以各种不同的热误差预测模型的优劣难以得到全面评价。因此建立一套热误差预测模型的评价指标体系和评估方法,选出性能最优的模型,对后续的热误差补偿具有现实指导意义。本文以近几年提出的有代表性的热误差预测模型为评价对象,对构建评价指标体系和评估方法的关键技术进行深入研究。主要研究内容如下:(1)从热误差预测模型的特征出发,分析准静态热误差预测模型和动态热误差预测模型各自建模时的特征,对建模方法进行对比研究,结合构建评价指标体系应当遵循的原则,分别从拟合优度、预测精度和稳健性三方面提取出评价指标,研究这些评价指标的实现方法和物理意义。(2)针对评估过程中指标的权重容易出现客观性不强、对单指标异常不敏感的缺点,提出基于变权改进的差异系数CRITIC赋权法,能得到更加合理的指标权重分配。分析灰关联分析法和VIKOR法在综合评估中存在的局限性,提出将两者进行集成,实现优势互补。设计并实现基于双向KL距离调整的G-VIKOR综合评估方法,按照综合效用值对各模型排序,优选出最佳模型方案。(3)针对机床内外部影响因素变化大的特定场景,对于模型性能会有不同的需求,导致了准则层产生偏重,使用直觉正态模糊数将准则层的偏重信息合理定量化,考虑到传统TODIM方法没有将准则层偏重的参考点考虑进去,提出基于直觉正态模糊数的改进TODIM评估方法,按照各方案相对于参考点的优势度排序,选出最适合特定场景任务需求的模型方案。通过在ZK5540A型重型数控机床真实监测的温度场数据集上应用本文提出的基于多属性综合的热误差预测模型评估方法和基于准则层偏重的热误差预测模型评估方法,验证本文研究与实现的评估方法的可行性和有效性。