Para melhorar a precisão e robustez da previsão do modelo de compensação de erros térmicos do eixo principal de máquinas-ferramenta CNC, foi estudada a aplicação do algoritmo de componentes principais na modelagem do erro térmico do eixo principal. Primeiramente, com base no princípio do algoritmo de componentes principais, foi proposto um algoritmo de seleção de pontos sensíveis à temperatura e um algoritmo de modelagem de erros térmicos baseado em análise de componentes principais. Em seguida, foi realizado um experimento de medição do erro térmico do eixo principal de uma máquina-ferramenta vertical de três eixos em uma faixa de temperatura anual, e, com base nos dados experimentais, foi estabelecido um modelo de regressão por componentes principais (Principal Component Regression, PCR). Posteriormente, o modelo PCR criado foi comparado com modelos de regressão linear múltipla, rede neural BP e regressão de ridge quanto à precisão e robustez preditivas; os resultados experimentais indicaram que o modelo PCR possui a maior precisão e robustez entre os quatro modelos, atingindo 6,8 μm e 2,4 μm, respectivamente. Finalmente, o modelo PCR foi utilizado para prever o erro térmico do eixo principal durante a operação da máquina conforme o perfil de velocidade, com precisão e robustez preditivas de 6,12 μm e 3,43 μm, respectivamente. O modelo PCR foi incorporado ao controlador de compensação de erro térmico para realizar experimentos de compensação, a fim de validar a eficácia do algoritmo de modelagem apresentado.

erro térmico do eixo principal; componentes principais; algoritmo de modelagem; robustez do modelo