1.一种主轴与固连进给轴热误差综合作用建模方法，其特征在于，所述方法包括以下步骤：

S1主轴和主轴端直线轴同步运动的热误差测量；

S2利用主轴热误差项和主轴端直线轴热误差项的定义，建立理想状态下主轴和主轴端直线轴运动状态的运动学模型；

S3依据热误差综合模型，估计主轴和主轴端直线轴同步运动时位姿向量无条件约束的概率密度函数，然后输出无条件约束的位姿向量概率密度函数；

S4主轴运动，主轴端直线轴和其他运动轴均保持静止的热误差测量；

S5依据热误差综合模型，确定主轴端直线轴和其他运动轴均保持静止的条件约束下热误差概率密度函数；

S6主轴静止，主轴端直线轴往复运动，其他运动轴均保持静止的热误差测量；

S7依据热误差综合模型，确定主轴静止其他运动轴均保持静止的，主轴端直线轴往复运动的条件约束下热误差概率密度函数；

S8对于输入热误差项xi，计算无条件约束和条件约束下的位姿向量的概率密度函数之间的最大距离；

S9：将n个条件约束的概率密度函数和无条件条件约束的概率密度函数的差值的统计量用作最终指示符IEi，以表示所选输出对输入xi的灵敏度；

S10构建密度函数的灵敏度指数可以定义，表示输入参数对模型输出的联合概率密度函数的归一化期望效应。

2.根据权利要求1所述的主轴与固连进给轴热误差综合作用建模方法，其特征在于，所述步骤S3还包括，所涉及的全部热误差参数都变化，通过对整个输入参数即误差项的可行性空间进行采样获得的无条件样本的数量。

3.根据权利要求1所述的主轴与固连进给轴热误差综合作用建模方法，其特征在于，所述步骤S5还包括，保持所选输入xi固定在n个随机值，此时是部分参数变化，即主轴或直线轴的一个运动部件的静止，以实现无热致误差的产生；通过仅对非固定输入进行采样而获得的条件样本的数量，输出此时位姿向量条件约束下的概率密度函数。

4.根据权利要求1所述的主轴与固连进给轴热误差综合作用建模方法，其特征在于，所述步骤S7还包括，保持所选输入xi固定在n个随机值，此时是部分参数变化，即主轴静止及其他运动轴均保持静止，主轴端直线轴往复运动，以实现热致误差的产生；通过仅对非固定输入进行采样而获得的条件样本的数量，输出此时位姿向量条件约束下的概率密度函数。

5.根据权利要求1所述的主轴与固连进给轴热误差综合作用建模方法，其特征在于，所述步骤S9还包括，当输入参数xi被固定在某个值时，模型输出的条件联合概率密度可以表示为fY(y|xi)；然后，通过模型输出的联合概率密度函数fY(y)和fY(y|xi)之间的L1范数来量化固定值xi对模型输出联合概率密度函数的影响。

6.一种如权利要求1所述的直线轴与主轴热误差综合作用建模的分析方法，其特征在于，所述方法包括以下步骤：S1利用多光束激光干涉仪对主轴和主轴端直线轴进行同步运动的热误差测量；

S2主轴及主轴端直线轴可分别视为相邻典型特征体Bi、Bj，其中，包含了无热误差项作用时的静态关系、无热误差项作用时相互运动关系、误差作用时的运动关系；

S3在进行主轴与直线轴热致位移误差数据采集时，对直线轴的数据采集发生在直线轴运动过程中，此时主轴仍运动，在直线轴运动至工作台近端过程中，进行数据采样，即主轴端数据采样周期为直线轴由远离工作台一端至靠近工作台一端的直线轴运动时间；在此运行条件下，记录主轴端热误差向量值，由此误差值，计算位姿向量即无条件概率密度的位置向量函数，此过程中即所涉及的全部热误差参数都变化，使用通过对整个输入可行性空间进行采样获得的无条件样本的数量作用是，输出评估来近似无条件概率密度函数。

S4主轴运动，主轴端直线轴和其他运动轴均保持静止的热误差测量；主轴运动，主轴端直线轴和其他运动轴均保持静止的热误差测量；此时仅有主轴端热误差对主轴末端位置构成影响，此时可直接利用无直线轴热误差影响下的测量值确定主轴端及刀具端的位置向量。

S5计算主轴端直线轴和其他运动轴均保持静止的条件热误差向量概率密度函数，使用通过仅对非固定输入进行采样而获得的无条件样本的数量，输出评估来近似n个条件概率密度，同时保持所选直线轴误差向量输入xi固定在n个随机值；估计主轴端直线轴和其他运动轴均保持静止的条件热误差概率密度函数，通过仅对非固定输入进行采样而获得的条件样本输入，输出评估来近似n个条件概率密度函数，同时保持所选直线轴端热误差输入xi固定在n个随机值；

S6主轴端直线轴往复运动，主轴和其他运动轴均保持静止的热误差测量。主此时仅有主轴端直线轴热误差对末端位置构成影响，此时可直接利用无主轴热误差影响下的测量值确定主轴端/刀具端的位置向量。

S7依据热误差综合模型，确定主轴静止其他运动轴均保持静止的，主轴端直线轴往复运动的条件约束下热误差概率密度函数，保持所选输入xi固定在n个随机值，此时是部分参数变化，即主轴静止及其他运动轴均保持静止，主轴端直线轴往复运动，以实现热致误差的产生；通过仅对非固定输入进行采样而获得的条件样本的数量，输出此时位姿向量条件约束下的概率密度函数；

S8对于输入热误差项xi，通过比较无条件和n个条件概率密度函数，即保持xi固定来计算，即计算无条件概率密度函数和条件概率密度函数之间的最大距离；

S(xi)＝∫y|fY(y)‑fY(y|xi)|dy；

S9将n个条件概率密度函数和无条件概率密度函数差值的统计量用作最终指示符IEi，以表示所选输出对输入xi的灵敏度；当一个输入参数xi被固定在某个值时，模型输出的条件联合概率密度可以表示为fY(y|xi)。然后，通过模型输出的联合概率密度函数fY(y)和fY(y|xi)之间的L1范数来测量固定值xi对模型输出联合概率密度函数的影响；

其中Y是模型输出的空间(积分域)；根据模型输出的联合概率密度函数，它可以是有界或无界区域；效应S(xi)是一个仅依赖于xi的函数；由于xi只是一个具有概率密度函数的fxi(xi)随机变量的特定值，所以xi对模型输出的概率密度函数的平均效应可以通过对fxi(xi)的期望S(xi)来计算；

其中ζi是输入参数xi是的积分域，它取决于fxi(xi)；

S10基于密度的灵敏度指数可以定义为

反映了主轴端热误差与直线轴热误差作为输入参数xi对模型输出即刀具端误差向量的期望效应；IEi的数值越大，说明该误差项对刀具端空间位置向量的作用效果越明显，反之，说明该误差项对刀具端空间位置向量的作用效果越不明显。