针对永磁同步电机（PMSM）的关键参数估计，提出了一种基于学习策略的动态粒子群优化算法（DPSO-LS），其中参数估计模型中考虑了电压源逆变器（VSI）的非线性。可以与其他机器参数同时估算在DPSO-LS算法中，设计了一个新颖的变探索向量运动修正方程，有效地更新了粒子，使群体能够以较大的概率覆盖大的搜索空间，从而增强了全局搜索能力。 此外，开发了基于高斯分布的基于动态对立面的学习策略，以帮助pBest跳出局部最优。 提出的DPSO-LS可以显着提高估计器模型的准确性和动态性能。 最后，将所提出的算法应用于包括永磁同步电机的VSI非线性在内的多参数估计。 将DPSO-LS的性能与几种现有的PSO算法进行比较，比较结果表明，所提出的参数估计方法具有较好的跟踪机械参数变化的性能，有效地估计了不同工况下的VSI非线性。 。
