熱誤差はCNC工作機械の精度に大きな影響を与える可能性がある。 この誤差は、機械構造内の熱源または周囲の温度変化により生じる機械要素の熱変形から生じる。 温度の影響は、誤差の回避や数値補正によって軽減することができる。 熱誤差補正システムの性能は、本質的に熱誤差モデルとその入力測定値の精度とロバスト性に依存します。 この論文ではまず、熱誤差モデルの設計に関するさまざまな方法を検討し、次に適応型ニューロファジー推論システム（ANFIS）を用いて2つの熱予測モデルを設計することに焦点を当てます。 ANFISは、データ空間を矩形の部分空間に分割する方法（ANFIS-Gridモデル）と、ファジーc-meansクラスタリング法を使用する方法（ANFIS-FCMモデル）である。 機械構造の熱応答に対するすべての温度センサーの影響ランキングを得るためにグレーシステム理論が使用されています。 温度センサーのすべての影響力の重み付けは、ファジーC-means（FCM）クラスタリング法を使用してグループに分類され、グループは相関分析によってさらに削減されます。 研究の結果、ANFIS-FCMモデルは、より少ないルールの利点で、その予測能力の精度の点で優れていることが示された。 提案モデルの残差値は±4μmより小さい。 この組み合わせの方法論は、熱誤差補償システムの精度とロバスト性の向上をもたらすことができる
。