BP神经网络用于轴承故障分类

%%%BP神经网络用于轴承故障分类
%clc;clear
%归一化输入矩阵
input=mapminmax（P‘01）;
output=T‘;
data=[input‘output‘];
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%下面这段代码可以用于样本的划分
%data是归一化后的数据集，分出训练样本和测试样本
[ndata D] = size（data）; %ndata样本数，D维数
R = randperm（ndata）;     %1到n这些数随机打乱得到的一个随机数字序列作为索引
test = data（R（1:15）:）;  %以索引的前15个数据点作为测试样本test
R（1:15） = [];
training = data（R:）;       %剩下的数据作为训练样本train
train_input=（training（:1:7））‘;
train_target=（training（:8:11））‘;
test_input=（test（:1:7））‘;
test_target=（test（:8:11））;%注意此处没有转置，为了方便统计正确率
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%创建神经网络
net = newff（ minmax（train_input）  [17 4]  { ‘tansig‘ ‘logsig‘ }  ‘trainlm‘ ） ;%旧版方法，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）‘;
%统计识别正确率
num=0;
for i=1:15
    temp1=y（i:）;
    temp2=test_target（i:）; 
    disp（[‘目标输出=‘num2str（temp2）]）
    disp（[‘实际输出=‘num2str（temp1）]）%放在一起显示
    error=max（abs（