电力电子变换器的关键参数估计对于运维管理、状态监测和性能提升具有重要意义。本报告以DAB变换器为例，聚焦其关键器件参数的估计问题，提出了一种基于物理信息神经网络（PINN）的参数估计方法。针对传统方法依赖理想化模型、分析复杂且易产生建模误差，或依赖大量数据而缺乏可解释性等局限，构建统一的广义模型并将电感电流与输出电压的物理动态嵌入网络结构，实现数据与物理的深度融合。该框架具有调制自适应、数据需求低、非侵入式等优势，可在多种调制策略和动态工况下准确估计电感、输出电容、等效串联电阻及导通电阻等关键参数。结果表明，该方法在不同调制方式、运行条件及测量不确定性下均表现出优异的准确性与鲁棒性，展现出良好