Este estudio presenta la optimización híbrida de enjambre de partículas con quasi-Newton (HPSO-QN), un método de optimización híbrido para identificar con precisión los parámetros mecánicos en sistemas de modelo de dos masas (2MM). Estos sistemas se utilizan comúnmente para modelar y controlar sistemas de accionamiento eléctrico de alto rendimiento con articulaciones elásticas, que son comunes en la producción industrial moderna. El método propuesto combina las capacidades de exploración global de la optimización de enjambre de partículas (PSO) con las habilidades de explotación local del método quasi-Newton (QN) para estimar con precisión las inercias del motor y la carga, la rigidez del eje y los coeficientes de fricción del sistema 2MM. Al integrar estas dos técnicas de optimización, el método HPSO-QN muestra una precisión y rendimiento superiores en comparación con los algoritmos estándar de PSO. La validación experimental utilizando un sistema 2MM demuestra la efectividad del método propuesto para identificar con precisión y mejorar los parámetros mecánicos de estos sistemas complejos. El método HPSO-QN ofrece implicaciones significativas para mejorar la modelización, el rendimiento y la estabilidad de los sistemas 2MM y puede extenderse a otros sistemas con ejes y acoplamientos flexibles. Este estudio contribuye al desarrollo de métodos de identificación de parámetros precisos y efectivos para sistemas complejos, enfatizando el papel crucial de la estimación precisa de parámetros en la obtención de un rendimiento y estabilidad de control óptimos.