机床作为制造业的“工业母机”,其面对复杂动态多变制造环境的应变能力直接决定其智能化水平,而这取决于机床对环境信息、实际工作状态的感知和反馈。主轴作为机床的关键核心部件,在复杂工况条件下其运行过程或加工过程会造成温度场的不均匀分布,进而使主轴产生不可预知的热变形。本文以VMC850立式加工中心主轴系统为研究对象,应用多源信息融合理论对其热误差智能感知方法及关键技术进行研究,完成如下工作:（1）在分析复杂环境下机床主轴热误差产生机理基础上,明确了热误差智能感知需求,对比分析了传统热误差感知方法的不足,提出了面向复杂加工环境的多源信息融合智能感知方法,建立了机床主轴热误差智能感知模型,主要包括信号采集、信息分析处理及推理决策等。（2）针对单传感器感知信息表征能力单一、偶然性高、易受外界环境因素干扰等缺点,提出一种基于多源多层次信息融合的智能感知方法,通过多个传感器采集主轴系统的内外部热误差相关信号,对采集到的信号分别进行特征提取,鉴于径向基函数（Radial Basis Function,RBF）神经网络具有较强的多维非线性映射能力、泛化能力、聚类分析能力及并行信息处理能力等优势,这里采用RBF神经网络对机床主轴的热误差相关信号进行特征层融合,由于需要综合考虑来自多源的不确定信息,进一步采用改进的D-S证据理论对特征层融合结果进行决策层融合,解决复杂加工环境下数控机床主轴热误差准确感知问题。（3）为测试和验证本文所提方法的合理性和有效性,以云南机床厂VMC850立式加工中心主轴系统为研究对象,设计了恒转速、标准变转速、阶梯变转速工况下主轴热误差感知实验,对比分析了传统热误差感知模型和多源信息融合的智能感知模型效果。实验结果表明,多源信息融合的智能感知模型的预测精度达到98.8%,相比较传统热误差建模方法提高了模型精度、降低了残余误差,说明本文所提方法具有一定的理论意义和实用价值,为智能主轴研发奠定了一定的理论基础。