%%%BP神經網絡用于軸承故障分類
%clc;clear
%歸一化輸入矩陣
input=mapminmax（P‘01）;
output=T‘;
data=[input‘output‘];
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%下面這段代碼可以用于樣本的劃分
%data是歸一化后的數據集，分出訓練樣本和測試樣本
[ndata?D]?=?size（data）;?%ndata樣本數，D維數
R?=?randperm（ndata）;?????%1到n這些數隨機打亂得到的一個隨機數字序列作為索引
test?=?data（R（1:15）:）;??%以索引的前15個數據點作為測試樣本test
R（1:15）?=?[];
training?=?data（R:）;???????%剩下的數據作為訓練樣本train
train_input=（training（:1:7））‘;
train_target=（training（:8:11））‘;
test_input=（test（:1:7））‘;
test_target=（test（:8:11））;%注意此處沒有轉置，為了方便統計正確率
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%創建神經網絡
net?=?newff（?minmax（train_input）??[17?4]??{?‘tansig‘?‘logsig‘?}??‘trainlm‘?）?;%舊版方法，精度高
net.trainparam.epochs?=?1000?;
net.trainparam.goal?=?0.0001?;
net.trainParam.lr?=?0.05?;
net=train（nettrain_inputtrain_target）;
y=sim（nettest_input）‘;
%統計識別正確率
num=0;
for?i=1:15
????temp1=y（i:）;
????temp2=test_target（i:）;?
????disp（[‘目標輸出=‘num2str（temp2）]）
????disp（[‘實際輸出=‘num2str（temp1）]）%放在一起顯示
????error=max（abs（