En el diagnóstico de fallos del sistema de volante de inercia, la información de entrada del sistema es incierta. Esta incertidumbre es causada principalmente por la interferencia de factores ambientales y la capacidad cognitiva limitada de los expertos. La BRB (base de reglas de creencias) muestra una buena capacidad para abordar problemas de incertidumbre en la información y datos de muestras pequeñas. Sin embargo, la inicialización de la BRB depende del conocimiento experto, y es difícil obtener el conocimiento preciso sobre fallos del volante de inercia al construir modelos de BRB. Por lo tanto, este artículo propone un nuevo modelo de BRB, llamado FFBRB (análisis de árbol de fallos difuso y base de reglas de creencias), que puede resolver eficazmente los problemas existentes en la BRB. El FFBRB utiliza la red bayesiana como un puente, utiliza un mecanismo de AFTD (análisis de árbol de fallos difuso) para construir el conocimiento experto de la BRB, utiliza ER (razonamiento evidencial) como su herramienta de razonamiento y utiliza P-CMA-ES (estrategias evolutivas de adaptación de matriz de covarianza proyectada) como su algoritmo de modelo de optimización. La viabilidad y superioridad del método propuesto se verifican mediante un ejemplo de un árbol de fallos de par de fricción del volante de inercia.