为准确地对地铁站台门进行故障诊断，并针对支持向量机(Support Vector Machine，SVM)在故障诊断中的参数选择问题，将跳蛛算法(Jumping Spider Optimization Algorithm，JSOA)用于SVM参数优化提升诊断性能，同时针对JSOA易陷入局部最优、收敛速度慢等不足，提出一种多策略改进跳蛛算法(Improved Jumping Spider Optimization Algorithm，IJSOA)优化SVM的站台门故障诊断方法。首先使用Teager 能量算子、变分模态分解(Variational Mode Decomposition，VMD)以及精细复合多尺度模糊熵(Refined Composite Multiscale Fuzzy Entropy，RCMFE)提取信号特征；其次，通过IJSOA寻找SVM最优参数组合构建诊断模型；最后，使用提取的特征向量输入诊断模型实现站台门故障诊断。结果表明提出方法平均识别率为97.774 %，诊断精度较其余几种方法更具优势，能够有效提升故障诊断分类效果。