汽车的噪声、振动以及声振粗糙度（NVH）是乘坐舒适性的重要指标,也是研发的重点。对于车内的中高频噪声段,最常用的降噪方式是采用具有吸隔声作用的声学包内饰件。另外,在零件常规的开发过程中,往往不考虑实际生产、加工、测量等过程中必然存在的误差。参数的不确定性将使得产品实际性能与设计目标存在一定差距。如何减少参数不确定性因素的影响,对于声学内饰件隔声性能的提升有着重要意义。基于随机不确定性理论,本文提出了一种不确定条件下优化防火墙声学包隔声性能的方法,通过优化防火墙材料覆盖率,使其隔声性能达到最优,并且具有良好的稳健性。本文完成的主要工作包括:（1）建立了某车型防火墙总成的统计能量分析模型,分析其声学包材料组成,并对相应的平板样件进行吸隔声测试,将测得的数据载入模型。通过对比防火墙总成插入损失的仿真值与实验值,验证该模型的有效性。（2）通过对声学仿真软件VA One的二次开发,自动修改模型参数,并输出计算结果,为进一步的优化工作奠定基础。（3）通过最优拉丁超立方采样,建立汽车防火墙总成插入损失的响应面模型,显著提升了优化计算效率。通过对近似模型误差分析,验证模型响应的准确性。（4）以防火墙总成5种声学包材料的覆盖率为随机变量,防火墙总成插入损失、总质量为分析目标,基于多岛遗传算法,优化其降噪幅度和质量等指标。（5）找到防火墙总成声学包的隔声性能满足要求且标准差最小的稳健性优化方案,以减小各类不确定性因素对防火墙总成声学包实际隔声性能的影响。结果表明,相较确定性优化方案,稳健性优化方案的性能更可靠。（6）建立整车统计能量分析模型,进行整车静态传递函数测试、整车动态声载荷测试,实验结果用于验证仿真模型对车内噪声预测的准确性。通过对防火墙声学包优化方案应用前后的车内噪声水平的预测,验证了本文提出的防火墙声学包隔声性能稳健优化方案的有效性。