1.机床主轴热误差建模的加权集成温度敏感点组合选取方法，其特征在于，包括：

S1、在数控机床运行过程中同步采集随时间变化的温度变量和机床主轴的热变形量，并计算每个温度变量与所有热变形量之间的绝对均相关系数R′；

S2、设置类簇数V的取值范围，并采用聚类算法对温度变量进行聚类获得每个V值的聚类结果；筛选每个V值的聚类结果中每簇具有最大绝对均相关系数R′的温度变量，构成每个V值对应的温度敏感点组合；

S3、将每个温度敏感点组合单独输入一个神经网络，得到网络输出值；并随机生成每个网络输出值的权值，将所有的权值转换为二维向量赋值给CSO算法中的每个个体；

S4、采用CSO算法对其每个个体进行更新，并在每次迭代过程中根据适应度值函数计算适应度值，之后将迭代次数累加一次；

S5、当迭代次数小于设定迭代次数时，若当前适应度值小于最优适应度值，则采用当前适应度值更新最优适应度值，并返回步骤S4，否则，不更新直接返回步骤S4；

S6、当迭代次数大于等于设定迭代次数时，删除最优适应度值函数值中小于预设阈值的权值；之后合并保留的权值对应的温度敏感点组合，作为最终的加权集成温度敏感点组合。

2.根据权利要求1所述的加权集成温度敏感点组合选取方法，其特征在于，将每个温度敏感点组合单独输入一个神经网络，得到网络输出值进一步包括：将温度敏感点组合中设定比例的温度变量作为训练集，将余下温度变量作为测试集，并将每个温度敏感点组合的训练集输入一个独立的神经网络训练，之后将测试集分别输入对应的神经网络中，得到网络输出值。

3.根据权利要求2所述的加权集成温度敏感点组合选取方法，其特征在于，还包括：采用每个神经网络的网络输出值，计算其残差均值和均方根误差；根据残差均值和均方根误差，选取所有网络输出值中最优的作为模型测试输出值；

在CSO算法每次迭代过程中，基于模型测试输出值和更新的权值采用适应度值函数计算适应度值。

4.根据权利要求2所述的加权集成温度敏感点组合选取方法，其特征在于，所述残差均值和均方根误差的计算公式为：其中，tc为第c个温度变量对应的神经网络模型的预测输出；yc为第c个温度变量对应的期望输出； 和RMSE分别为神经网络预测输出与期望输出之间的残差均值与均方根误差；n为温度敏感点组合中的热变形量的总数量。

5.根据权利要求3所述的加权集成温度敏感点组合选取方法，其特征在于，所述适应度值函数为：其中，Fit为自适应度值；tr为V值等于r时对应的温度敏感点组合的网络输出值；θrk为tr在第k次迭代时的权值；m为V值的取值个数；Y为模型测试输出值。

6.根据权利要求1所述的加权集成温度敏感点组合选取方法，其特征在于，每个温度变量与所有热变形量之间的绝对均相关系数R′的计算公式为：其中，N为温度变量和热变形量的样本数量；M为热变形量的数量；ai和 分别为温度变量的第i个样本值和相应温度变量样本的均值；bij和 分别为第j个热变形量的第i个样本值和相应热变形量的均值；Rj为温度变量和第j个热变形量的相关系数。

7.根据权利要求1所述的加权集成温度敏感点组合选取方法，其特征在于，用于温度变量测量的传感器为19副PT100磁性热电阻温度传感器，分别用于主轴区域、主轴箱区域、工作台区域、箱体区域及环境温度的测量。

8.根据权利要求1所述的加权集成温度敏感点组合选取方法，其特征在于，用于机床主轴热变形量测量的传感器为Lion电容式位移传感器，测量精度为0.5μm；测量过程中采用五点法进行Lion电容式位移传感器的布置及热变形量的测量。

9.根据权利要求7或8所述的加权集成温度敏感点组合选取方法，其特征在于，获取热变形量和温度变量时，主轴测量状态从冷态到热平衡状态，在主轴空运行且定转速情况下每间隔5s进行一次数据采集。

10.根据权利要求1-8任一所述的加权集成温度敏感点组合选取方法，其特征在于，所述聚类算法为K均值聚类算法或模糊均值聚类算法；神经网络模型为BP神经网络、RBF神经网络或者卷积神经网络。