双层圆柱壳体结构在工程上有广泛的用途，研究其声学性能具有十分重要的意义1．2 J。然而从系统实际工况出发，研究其内部噪声源识别却非常少见。壳体内部包括为数众多的轴承、齿轮、轴系、螺旋桨以及阀门等等，在很多情况下，设备之间的振动信号会互相掩盖或是抵消_3 J。此外各个设备运作过程及振动噪声传播机理也比较复杂，因而要精确得到系统的动态数学方程，利用基于机理建模的方法求解是很困难的。而以神经网络和决策树为代表的辨识建模方法具有对系统参数依赖性小，非线性映射能力强等优点。但工程实际中由于测点布置与数据采集的困难，往往难以采集足够的噪声源训练样本，从而影响分类器的识别性能。因此可以考虑通过生成虚拟样本 (VirtuaSample)以改善所面临的小样本困境。