传统无迹卡尔曼滤波（unscented Kalman filter，简称UKF）方法在非线性结构参数识别过程中，通常要求结构的输入已知，当非线性结构的输入难以测量或测量误差较大时，该方法的应用将受到限制。为了对未知激励作用下的非线性结构参数进行识别，提出一种基于改进UKF的非线性结构荷载和参数同步识别方法。该方法在系统状态更新过程中，利用结构响应和参数的当前预测值，对输入荷载进行初步估计，并结合系统状态的估计值对输入荷载进行识别。为降低测量噪声对非线性系统识别结果的影响，采用在UKF方法中嵌入卡尔曼滤波器（Kalman filter，简称KF），对测量噪声协方差矩阵进行同步优化，确保非线性结构荷载和参数识别的精确性。分别对地震激励下的单自由度和5自由度Bouc-Wen滞回模型进行数值模拟，验证了该方法的可行性和准确性。结果表明，改进的UKF方法能够有效地实现非线性结构未知荷载和模型参数的同步识别。