当实际工况与建模工况存在差异时，传统的热误差模型往往表现出较差的鲁棒性和预测精度。主要原因在于建模数据的局限性和模型的未建模动态。为了改善上述状况，提出了一种基于数据驱动的数控机床主轴补偿模型。此模型采用无模型自适应控制算法建模，结合机床运行中生成的数据（温度数据和误差数据）对热误差模型进行实时修正，使模型能快速适应新的加工工况，从而提高模型的鲁棒性。在一台数控车床主轴上进行了试验验证。结果表明：无模型自适应控制与多元回归模型比较，其标准差、最大残差和误差平方和分别提高了41％、62％和56％，此模型的鲁棒性和预测效果好。同时，此方法为大数据在机床主轴热误差补偿中的应用奠定了基础。

数控机床主轴是高精度自动化装备，其中松拉刀系统更是关键，机床主轴松拉刀设计要合理以满足主轴的使用可靠性、精度和寿命。文中对德国OTT-JAKOB公司的SK50型号的刀具松拉刀系统和国内机床厂家常用的液压松拉刀系统进行了分析研究。