Los errores térmicos pueden tener efectos significativos en la precisión de las máquinas herramienta CNC. Los errores provienen de las deformaciones térmicas de los elementos de la máquina causadas por fuentes de calor dentro de la estructura de la máquina o por el cambio de la temperatura ambiente. El efecto de la temperatura puede reducirse mediante la evitación de errores o la compensación numérica. El rendimiento de un sistema de compensación de errores térmicos depende esencialmente de la precisión y la solidez del modelo de error térmico y de sus mediciones de entrada. Este artículo revisa en primer lugar diferentes métodos de diseño de modelos de error térmico, antes de concentrarse en el empleo de un sistema de inferencia neurofuzzy adaptativo (ANFIS) para diseñar dos modelos de predicción térmica: ANFIS dividiendo el espacio de datos en subespacios rectangulares (modelo ANFIS-Grid) y ANFIS utilizando el método de clustering fuzzy c-means (modelo ANFIS-FCM). La teoría de los sistemas grises se utiliza para obtener la clasificación de la influencia de todos los posibles sensores de temperatura en la respuesta térmica de la estructura de la máquina. Todas las ponderaciones de influencia de los sensores térmicos se agrupan mediante el método de clustering de c-medias difusas (FCM), reduciéndose posteriormente los grupos mediante el análisis de correlación.
Se utiliza un estudio de una pequeña fresadora CNC para proporcionar datos de entrenamiento para los modelos propuestos y luego para proporcionar conjuntos de datos de prueba independientes. Los resultados del estudio muestran que el modelo ANFIS-FCM es superior en términos de precisión de su capacidad de predicción con el beneficio de un menor número de reglas. El valor residual del modelo propuesto es inferior a ±4 μm. Esta metodología combinada puede proporcionar una mayor precisión y robustez de un sistema de compensación de errores térmicos.