1.一种酸轧机组基于大数据理论的热轧特性对摩擦系数影响预测方法，其特征在于，包括如下步骤：

A)收集一定生产周期内的n组带钢规格参数、力学性能参数，包括带钢入口厚度h0i，带钢出口厚度h1i，带钢入口变形抗力σ0i，带钢的杨氏模量E，带钢的泊松比v，带钢出口变形抗力σ1i，带钢入口宽度Bi，带钢出口宽度bi，其中，i{i＝1,2,3,···,i,···,n}表示数据组编号；

B)收集一定生产频次的酸轧机组的设备参数，包括机组标准热轧终轧温度与实际热轧终轧温度TFmi,TFaci，机组标准热轧卷取温度与实际热轧卷取温度TCmi,TCaci，轧机的出口轧制速度vi，轧机速度对摩擦系数的影响系数 轧机速度对摩擦系数的衰减系数kVi，轧机工作辊换辊后带钢的轧制公里数li，轧机工作辊换辊后轧制公里数对摩擦系数的影响系数BLi，轧机乳化液的流量Qi，轧机乳化液的流量的影响系数BQi，轧机乳化液的流量对摩擦系数的衰减系数kQi，第i机架的相对压下量εi，轧机压下率对摩擦系数的影响系数Bεi，轧机带钢入口与出口厚度对摩擦系数的影响系数 轧机的入口张力F0i，轧机的出口张力F1i，轧机带钢入口与出口张力对摩擦系数的影响系数 机架的带钢平均变形抗力对摩擦系数的影响系数 带钢平均变形抗力Ki， 模型修正系数ai，轧机压扁前轧辊半径Ri，轧辊的杨氏模量ER，轧辊的泊松比vR，轧机的转数ni，轧机的实际轧制功率Ni'，第i机架实际轧制力pi’；

C)计算初始摩擦系数μ0i：D)定义摩擦系数温度影响系数数组X＝{β1，β2，γ1，γ2}，给定数组初始值X0＝{β10，β20，γ10，γ20}，给定搜索步长初始值ΔX＝{Δβ1i，Δβ2i，Δγ1i，Δγ2i}，收敛精度α；

E)计算摩擦系数μi：

F)计算任意一组理论轧制力pi:F1)令i＝1；

F2)计算轧辊的压扁系数D0：F3)计算轧机的压扁半径Ri’：F4)计算外摩擦影响系数Qpi：F5)计算弹性压缩区轧制力p1i：F6)计算弹性回复区轧制力p2i：F7)计算单位轧制力pavei：pavei＝(p1i+p2i)/10000F8)计算理论轧制力pi：

pi＝pavei*Bi

F9)判断i＜n，如果成立则令i＝i+1转入步骤F2)；若不成立则转入步骤G)；

G)计算任意一组理论轧制功率Ni:H)基于理论轧制力、实际轧制力，理论轧制功率，实际轧制功率计算优化目标函数F(X)：

I)判断Powell条件是否成立？若成立，则转入步骤J)；若不成立，则更新数组X及其搜索步长ΔX，转入步骤E)；

J)输出酸轧机组热轧特性对摩擦系数的影响系数，完成酸轧机组基于大数据理论的热轧特性对摩擦系数的影响预报。

2.根据权利要求1所述的酸轧机组基于大数据理论的热轧特性对摩擦系数影响预测方法，其特征在于，所述计算任意一组理论轧制功率Ni具体包括如下步骤：G1)令i＝1；

G2)计算轧机的接触弧长度的水平投影Li：G3)计算轧机的带钢与轧辊接触面积Si：G4)计算轧机的力臂系数Wi：G5)计算轧机的功率系数ψi：ψi＝0.705‑0.108Wi+0.083/WiG6)计算轧机的力矩Mi：

Mi＝piLiψi

G7)计算轧机的理论计算的轧制功率Ni：Ni＝1.013Mini

G8)判断i＜n，如果成立则令i＝i+1转入步骤G2)；若不成立则转入步骤H)。