高档数控机床作为智能制造装备和国防军工装备等领域的重要加工设备,其加工精度及其一致性对保证产品质量极其重要。影响数控机床加工精度的误差因素有几何误差、控制误差、运动误差、热误差、力误差、位置（定位）误差和加工误差,其中热误差为各误差源中占比最大的误差项,越是高档的数控机床或精密的加工,热误差所占的比例越高。经过近40年的研究,国内外学者已经提出多种热误差建模理论与补偿方法,但是由于数控机床热误差的动态变化性,模型的使用范围较窄且泛化性不高。本文在国家自然科学基金（51775074）、重庆市基础研究与前沿探索项目（cstc2018jcyj AX0352）和重庆市研究生科研创新项目（CYS19316）项目支持下,结合现有建模与补偿理论基础,对数控机床温度场转化和高泛化性热误差模型进行了研究,主要研究内容及如下:1)以数控机床热误差为研究对象,研究分析了数控机床的结构特点与热源分布情况。以USB3120数据采集卡和Lab VIEW软件开发平台建立了数控机床热特性检测系统。分析了测量系统可能出现的测量误差,对测量数据进行了数据处理研究,采用滑动平均值滤波方法对传感器数据进行降噪并对数据进行归一化和数据增强处理并制作数据集。2)根据灰色关联度和K-means综合分析方法,对数控机床的温度敏感点变化进行了分析,介绍了数控机床温度场的转化方法。基于深度学习理论,建立了卷积神经网络热误差模型,推导了网络的训练方法与优化方法。基于机器学习理论,建立了优化模糊神经网络热误差模型。建立了热误差模型的拟合优度、预测精度和泛化性指标用于评估模型的优劣。3)针对现有热误差模型稳定性在不同工况下表现出较大差异的问题,提出了一种基于注意力机制的时空卷积热误差模型。利用卷积神经网络的空间特征提取能力和长短时记忆神经网络的时间特征提取能力,建立了具有两条支路的热误差模型,分别提取原始数据高维特征后,利用注意力机制对特征进行重要性重构。通过在不同数据集上的预测实验表明所提出的模型具有较高的稳定性和泛化性。4)借助STM32Cube IDE集成开发环境,开发了基于深度学习的嵌入式热误差补偿控制系统。利用MATLAB与C#开发了热误差补偿上位机软件。在数控磨床与数控车床上的补偿试验验证了模型与系统的有效性,在空转状态下经过补偿的热误差值均在5μm以内。