考虑五轴机床中的旋转轴误差会影响加工精度和在机测量结果,本文研究了旋转轴误差的在机测量与建模方法.介绍了基于标准球和机床在机测量系统的旋转轴综合误差测量方法,采用随机Hammersely序列分组规划旋转轴的测量角位置,通过自由安放策略确定标准球初始安装位置.然后,引入模糊减法聚类和模糊C-均值聚类(Fuzzy　C-means,FCM)建立旋转轴误差的径向基(Radial　basis　function,RBF)神经网络预测模型.最后,进行数学透明解析,从而为误差的精确解析建模提供新途径.利用曲面的在机测量实例验证了提出的旋转轴误差测量与建模方法.结果表明:利用所建模型计算的预测位置与实测位置的距离偏差平均值为9.6　μm,最大值不超过15　μm;利用所建模型补偿工件的在机测量结果后,其平均值由32.5　μm减小到13.6,μm,最大误差也由62.3　μm减小到18.6　μm.结果显示,提出的测量方法操作简单,自动化程度高;模糊RBF神经网络的学习速度快、适应能力强、鲁棒性好,能满足高度非线性、强耦合的旋转轴误差建模要求.