摘要： 针对麻雀搜索算法（Sparrow Search Algorithm，SSA）优化深度长短时记忆网络（Long-short Term Memory，LSTM）模型参数时存在陷入局部最优、后期收敛精度不高的问题，对SSA算法进行改进，提出一种自适应变异麻雀搜索算法（Adaptive Mutation Sparrow Search Algorithm，AMSSA）。AMSSA在SSA基础上，引入发现者和跟随者数量自适应调整策略、发现者和跟随者柯西变异策略，提高算法的寻优能力。以AMSSA为LTSM模型参数优化方法，建立变速箱故障诊断模型，并进行实验验证。结果表明：相比于SSA，AMSSA优化LSTM的诊断精度提升4 %；相比于其他3种类型优化算法，在诊断精度提升的同时耗时更短。

关键词: 故障诊断, 长短时记忆网络, 麻雀算法, 优化, 变速箱