未知激励的识别方法是结构健康监测领域热门的研究问题。近年来，学多学者研究基于卡尔曼滤波的未知激励识别方法，取得一系列成果。但这些方法还存在着一些不足之处，一是需要观测激励作用位置处的加速度响应；二是这些方法都是建立在结构参数确定的基础上展开的。本文提出一种基于卡尔曼滤波的不观测激励处响应的未知激励在线识别方法。该方法将结构运动状态方程转换到模态坐标下，所以每一个模态方程中都包含有激励信息，通过识别模态状态和模态激励，最后再重新转换为原来的响应和识别激励，可以克服激励作用位置需要观测加速度响应的局限；并且同时观测加速度响应和位移响应进行数据融合来抑制观测噪声造成的识别结果漂移现象。本文在激励识别中考虑了结构参数不确定性的问题，分别考虑不确定参数为概率模型和区间模量，将未知激励在不确定参数为均值或者中间值处进行一阶泰勒展开，把不确定性的识别问题转化为确定性的识别问题，最终识别得到的不确定性激励用带有上下边界的结果来表示。文章一个数值算例来验证方法的有效性，并且用MonteCarlo模拟来验证方法的有效性。