本发明提供一种齿轮箱数据模型训练方法，包括：获取齿轮箱的样本数据，并为每一个样本数据匹配对应的类别标签；通过生成器生成模拟样本数据；将真实和生成的样本数据以及样本数据对应的类别标签作为鉴别器的输入，并获取鉴别器对每一个模拟样本数据的鉴别结果；在鉴别器的鉴别结果为真实时，将生成器输出的模拟样本数据通过鉴别器的全连接层输出作为支持向量机模型的训练样本数据。应用本发明实施例，通过包含生成器和鉴别器都由卷积神经网络构成，这种方法扩充的数据样本能够全面包含原始数据的信息量，对实际工业的检测更准确对数据进行特征自适应提取，然后全连接层提取的特征作为输入到SVM中进行训练，得到对故障的检测及分类。