熱變形誤差補償技術一般采用事后補償，采用各種檢測手段對數控加工時產生的誤差進行直接或間接的測量，然后根據己經建立的誤差補償模型進行誤差補償計算，將計算結果反饋給數控系統，使控制器發(fā)出相應的控制誤差補償指令以補償相應的熱誤差。
　　熱誤差補償方法要求建立一套機床熱誤差數學模型，用以計算機床的熱變形誤差，通過對機床主軸運動進行修正，使機床的加工精度得以提高。這種方法   大的特點就是用有熱變形誤差的數控機床，加工出的產品，因此，熱變形補償方法實現了低成本、   的生產目標。針對數控機床熱變形的誤差狀況，通過對理想數控指令進行修正，實現熱誤差的補償目的。熱誤差補償方法不受數控系統及伺服系統的類型限制，實現了跨系統方式的誤差補償，同時它還具有成本低，易于調試和不受機床機電特性影響等特點。具體的補償過程。
　　目前，許多機構都對熱誤差的補償做了很多研究工作，如   密歇根大學的ChenJ. S教授等了包括幾何誤差在內的多達32個誤差源的在線測量、數據處理和誤差補償系統。上海交大的楊建國等提出了魯棒建模方法研究機床熱誤差補償，沈陽航空工業(yè)學院的于金等用人工神經網絡方法辨識數控機床的熱關鍵點，天津大學的張奕群等用模糊聚類和相關分析的方法優(yōu)化和辨識機床外部的溫度測點。熱誤差補償也有其缺點，進行數據采集的時候，由于傳感器精度及其他原因的干擾，使得采集的數據可能失真，這樣就會對補償結果造成影響。
　　機床熱誤差補償方法普遍采用在線測量機床某些點的溫度變化，離線計算溫升一一熱變形數學模型，計算機床實時的誤差值，并將誤差補償值輸入到機床補償裝置中，對機床進行熱誤差補償。具體加工過程中的熱誤差是高度非線性的動態(tài)、時變過程，若想根據經驗模型對其進行在線預報，則該經驗模型   具有多輸入變量的非線性模型。建立機床熱誤差的溫升一一熱變形數學模型的方法主要有以下幾種。
　　.有限元方法(Finite Element Analysis)：該方法通過對機床結構的熱彈性變形和熱傳遞分析，對機床的熱誤差進行估計。
　　.多元線性回歸方法(MRA, Multiple Regression Analysis )：該方法通常應用于機床熱誤差的建模，建立機床關鍵部件熱狀態(tài)和機床誤差狀態(tài)之間的關系。
　　.神經網絡方法(NN, Neural Network)：該方法能夠成功地對機床的誤差進行映射，通常應用于機床熱誤差的建模。
　　其中有限元方法主要是對機床熱變形進行預報作用，通過對邊界條件的定義，計算出機床發(fā)熱的溫度場，找出機床發(fā)熱關鍵點，但其預報誤差的功能較差，一般只能預報2096- 30%的動態(tài)誤差，所以常用于計算機床的靜態(tài)誤差。