Los husillos eléctricos son un componente crítico de las máquinas herramienta controladas numéricamente que afectan directamente la precisión y eficiencia del mecanizado. La identificación precisa de los parámetros modales de un husillo eléctrico es esencial para optimizar el diseño, mejorar el rendimiento dinámico y facilitar el diagnóstico de fallas. Este estudio propone un método de identificación de subespacios estocásticos impulsado por covarianza (SSI-cov) integrado con una estrategia de recocido simulado (SA) y un algoritmo de agrupamiento de C-means difuso (FCM) para lograr la identificación automatizada de parámetros modales para husillos eléctricos. Utilizando tanto simulaciones de elementos finitos como pruebas experimentales realizadas a 22 grados Celsius, se extrajeron las cinco primeras frecuencias naturales del husillo eléctrico en condiciones libres, restringidas y dinámicas. Los resultados experimentales demostraron errores de experimento del 0.17% al 0.33%, del 1.05% al 3.27%, y del 1.29% al 3.31% para los estados libre, restringido y dinámico, respectivamente. En comparación con el método tradicional SSI-cov, el método SA-FCM propuesto mejoró la precisión en un 12.05% al 27.32% en el estado libre, del 17.45% al 47.83% en el estado restringido, y del 25.45% al 49.12% en el estado dinámico. Los errores de identificación de frecuencia se redujeron a un rango de 2.25 Hz a 20.81 Hz, disminuyendo significativamente los errores en modos de orden superior y demostrando la robustez del algoritmo. El método propuesto no requirió intervención manual y podría utilizarse para analizar con precisión los parámetros modales de los husillos eléctricos en condiciones libres, restringidas y dinámicas, proporcionando una solución precisa y confiable para el análisis modal de husillos eléctricos en varios estados dinámicos.