柴油机采用高压共轨技术可以使燃油喷射稳定可控，使得车用柴油机找到了解决发动机排放（NOX和PM）和柴油机噪音的根本途径。但高压共轨柴油机电控系统结构复杂，对于维修人员来说判定电控系统故障点是一个复杂工作。应用神经网络模型，根据数据流的变化来判定故障点所在，可以缩短维修时间，提高维修效率，同时也对柴油机排放控制有积极的意义。本文将BP神经网络和PNN（概率神经网络）应用于高压共轨式柴油机故障诊断中。首先，介绍了高压共轨技术对柴油机排放控制的有效性和高压共轨电控系统的基本组成及其工作原理；其次，介绍了BP和PNN神经网络的结构和算法，并建立的神经网络模型；最后，以长城哈佛GW2.8TC发动机为实验对象，在怠速工况下模拟发动机的各种故障，采用金德KT600故障诊断仪采集故障下的发动机数据流，建立样本集，采用两种神经网络模型进行训练和仿真，并且加入白噪音进行噪音干扰测试，将两种网络的训练仿真结果比较，得出PNN神经网络比BP神经网络效率高、诊断结果准确，噪音干扰测试证明了采用神经网络进行故障点判定是可行的。