Este artigo propõe um método universal para seleção de combinações de pontos sensíveis à temperatura baseadas na determinação automática da quantidade para erros térmicos do eixo principal da máquina-ferramenta, a fim de resolver o problema da dependência da experiência humana na seleção da quantidade de pontos sensíveis. Primeiramente, calcula-se o coeficiente médio absoluto de correlação entre cada variável de temperatura e o erro térmico para avaliar o grau de correlação de cada ponto de temperatura com o erro térmico do eixo principal. Em seguida, o ponto de temperatura com o maior coeficiente médio absoluto de correlação é usado como o primeiro centro inicial do agrupamento no algoritmo K-Means++, selecionando assim uma série de combinações de pontos sensíveis à temperatura de diferentes quantidades. Depois, essas combinações de pontos sensíveis obtidas e os erros térmicos são usados como entrada para construir um modelo de erro térmico baseado em redes neurais de retropropagação (Back Propagation, BP), e a combinação ótima é selecionada com base nos indicadores de desempenho preditivo. Por fim, a eficácia e a generalidade da combinação ótima de pontos sensíveis à temperatura foram verificadas na máquina CNC VMC850 em diferentes condições de trabalho, com os mesmos ou diferentes termos de erro, bem como sua generalidade em diferentes modelos de erro térmico. Os resultados mostram que o método proposto é adequado para previsão de erros sob diferentes condições de trabalho e possui boa generalidade entre diferentes modelos de erro térmico.

Seleção de combinações de pontos sensíveis à temperatura; modelagem de erros térmicos do eixo principal; determinação automática da quantidade; eficácia e generalidade; indicadores de avaliação de pontos sensíveis à temperatura