摘要∶为使得数控机床热误差实时补偿更有效，提出一种基于粒子群算法（Particle Swarm Optimiza-tion，PSO）的温度测点优选方法和基于极限学习机（extreme learming machine，ELM）神经网络的机床热误差补偿模型。利用PSO优化K均值聚类方法，实现了机床上温度测点的优化筛选。利用 ELM 人工神经网络建立机床热误差补偿模型，通过合理选取隐层神经元数，从而实现更精确、更有效地对数控机床热误差进行实时补偿控制。通过与传统 BP（Back Propagation）、RBF（Radial Basis Function）神经网络进行对比分析，该补偿模型具有计算简便、预测精度高、结构简单等优点，可有效应用于数控机床热误差实时补偿模型。