焊接是造船中重要的工艺,然而这个加工过程容易产生残余应力和变形,尤其是对于薄板。在高强度钢的加工中,这种现象更普遍。传统的热矫平方法,通常是用火焰加热处理厚度较大的钢板,利用板材的厚度形成温梯度产生的热应力把钢板拉直。然而该方法在针对薄板变形时,由于在厚度方向难以形成温度梯度差,矫正效果较差。而热感应矫正,感应器在钢板上产生加热涡流,使集中加热区温度快速上升,矫正效果好,可控性强,成为一种新的矫正手段。在实际生产加工中,目前只能凭经验进行矫正,矫正速度和矫正长度等加热参数均无法定量。对于某些结构变形往往要通过多次加热才能达到矫正目的,在一些情况下矫正量过大,又要进行返工,增加了加工工时,严重制约了船舶的建造效率。为了分析焊接变形的规律和相关矫正方法,使用热弹塑性理论对焊接和电磁感应加热过程进行建模仿真,然后与实验对比以获得准确的数值分析模型。研究薄板变形特征挠度和矫正工艺参数之间的规律,建立相关支持向量机（SVM）预测模型并指导薄板变形火工矫正,对实现矫正变形量的预测和加工参数的优化有着重要意义。由于焊接变形是由残余应力造成的,研究感应加热矫平规律则必须要考虑板材内部残余应力。本文首先建立了拼板对接焊有限元仿真模型,并与实验作对比,获得准确的残余应力场后,作为感应加热火工矫正的初始边界条件。为了预测残余应力的分布情况,本文针对薄板对接焊采用支持向量机（SVM）算法,以薄板的长、宽、厚、焊接电流、电压、焊接速度及焊接形式共7个主要特征参数为模型的输入量,分别建立以薄板对接焊残余纵向拉应力分布宽度W_s、高应力区宽度B₁和残余拉应力极大值S为目标的预测模型。结果表明,支持向量机预测模型具有较高的预测精度和推广价值。在此基础上建立电磁感应加热矫形的数值仿真分析有限元模型,进行模拟计算,分析结果。将加工参数和矫正变形量处理后作为样本集,训练SVM模型,实现对不同参数矫正变形量的预测,通过对比不同核函数模型的精度,得到径向基核函数在处理本文矫正预测问题上有着显著的优势,平均相对误差为0.073,有着较高的预测精度。通过机器学习算法可以极大的缩短传统数值模拟的分析时间,为有效预测矫正效果提供理论依据。