数控慢走丝线切割机床是一种高精度特种加工机床,机床的热变形对其加工精度影响较大。目前解决这一问题,最好的办法就是进行实时监测补偿,其中确定温度测点和热误差补偿模型是两个关键的问题。本文在分析国内外机床热误差补偿研究现状的基础上,采用模糊聚类法对温度测点进行优化测量,用遗传算法优化的BP神经网络法建立热误差补偿模型。通过研究,首先确立了基于模糊聚类法的温度测点优化选择方案,然后建立了基于遗传算法优化的BP神经网络数控慢走丝切割机床热补偿模型;在理论研究的基础上进行了实验研究,通过实验研究,证实了本文构造的方法能够有效地提高数控慢走丝线切机床的热变形误差预测能力,并得到最精简的温度测点数。本文主要做了如下工作:1.通过对数控慢走丝线切割机床的热变形误差产生原因的研究,以及对国内外的研究状况的调查,并结合数控慢走丝线切割机床实际,提出了基于遗传算法优化的BP神经网络法的热误差补偿建模方法与模糊聚类法进行温度测点的优化选择的研究方案。2.为了能更好地开展本课题的研究,对课题所涉及到的主要理论BP人工神经网络与遗传算法进行了学习、归纳、总结。3.结合专家经验和对数控慢走丝线切割机床热变形的分析,确定温度测点的数量、温度测点布置方法及构建了温度测点优化和热误差补偿模型。4.在理论研究的基础上,以DK7632型数控慢走丝线切割机床为研究背景进行了环境实验。通过实验研究,对模型进一步优化,实验初步证明本研究对提高数控慢走丝线切割机床的预测精度是可行的。该课题的研究为数控慢走丝线切割机床的热变形误差补偿奠定了理论与实验基础。