高压共轨燃油喷射系统是现下应用最为广泛的燃油系统,其飞速发展的原因是它可以提供恒定的喷油压力和精确的喷油策略,但实际情况是喷射压力存在明显波动。本文使用自主搭建的实验平台进行实验,包括压力波动采集和喷油率测量实验,分析了高压共轨系统压电喷油器的喷油率与喷油量差异和压力波动,发现了在两次喷油的喷油策略下,第二次喷射的喷油压力、喷油率和喷油量数据受第一次喷射的影响很大。不同工况下,喷油压力随着喷油间隔变化存在周期波动,波动在10%左右。喷油量随喷油间隔变化存在很大差异,喷油率在低喷油脉宽时随喷油脉宽增加变化明显,并且随着喷油间隔变化存在差异。喷油压力直接影响雾化和燃烧,喷油量和喷油率体现经济性和动力性,实现对这些参数的控制非常有意义。使用人工智能神经网络中的BP神经算法训练了包括喷油压力预测网络,喷油量预测网络以及喷油率预测网络在内的三个神经网络,实现第二次喷射的喷油压力、喷油率和喷油量三个参数的控制。三个神经网络对喷油策略是协同控制的逻辑关系,喷油压力控制喷油间隔;喷油间隔和喷油量控制喷油脉宽;喷油间隔和喷油率控制喷油脉宽修正量。最终的第二次喷油各参数的控制通过两次喷油间隔和喷油脉宽实现。实验结果表明,使用BP神经网络很好地预测了喷油间隔和喷油脉宽,将实验结果与预测结果进行比较,误差低于5%,因此神经网络可以用于控制喷油策略,并且将最后的网络运用到自主设计搭建的高压共轨系统上来,达到了很好的控制效果。