中国本土1990-2008年之间88座桥梁失效案例进行了统计分析。失效桥梁的寿命从1年（在建）到42年，平均寿命为19.6年。
大多数桥梁失效发生在运营期。失效主要原因：设计缺陷、施工失误、运营管理不善、水文地质与自然灾害。具体引发桥染失效的主要风险因素是意外碰撞、施工失误和车辆超载，分别占总额的25％、21.9％和13.5％。
目前，桥梁结构的健康监测主要侧重于结构的整体状态监测 , 通常是基于结构动力响应提取用以描述结构健康状态的特征参数 , 例如模态频率、振型等 , 在此基础上对桥梁结构的损伤状态进行判断和预警。
传统桥梁监测方法的缺陷：
难以发现早期损伤
难以对缺陷进行准确定位
难以评估损伤程度
因此必须引入结构局部损伤监测方法对桥梁结构的损伤进行快速有效的评估 , 为维修决策提供依据 , 从而保障结构的安全可靠。
声发射的基本原理：固体材料在应力作用下,内部结构发生变化,并以瞬时弹性波的形式向外释放能量。能量释放使得周围的动态应变场发生变化,并由此产生机械扰动,此即声发射原始波。安装于介质表面的传感器,能捕捉声发射信号波并转变成电信号。对电信号进行采集、处理及分析后,就能推断材料内部缺陷的变化情况。
与其他损伤检测和监测技术相比 ,声发射技术具有以下突出的优点:
①动态检测,所探测的能量来自结构缺陷本身，(稳定的缺陷不产生声发射信号);
②对结构缺陷较为敏感,可探测这些缺陷在外加结构应力下的活动情况；
③可得到结构缺陷随荷载、时间和温度等因素变化的实时信息,可用于结构的在线监控及早期或临近破坏预报。
解决方案：无人值守RAE1型声发射监测报警系统
无人值守声发射监测报警系统组成：
1.安置在设备上的声发射传感器；
2.声发射监测报警数据采集分析模块；
3.服务器（云服务器、局域网服务器等），连接声发射监测报警模块和服务器的远程通讯方式（无线或 有线，可选物联网、移动网、Wi-Fi等）；
4.智能客户端（智能手机、电脑、控制中心终端等）；
5.声发射模块现场报警控制输出执行设备（PLC可编程控制器、设备控制、声光报警装置等）。
声发射传感器：根据应用要求选择传感器原则：频域特性应对要求检测得到的信号灵敏度高和对应用环境的噪声有抑制，应用的环境要求如野外要求防雨、抗电磁干扰、高温等，尺寸要求如要求极小尺寸等。
清诚公司声发射传感器列表。可按频率特性、尺寸、内置前置放大器、使用温度等参数选择。也可按应用需要定制。
声发射数据采集分析模块—需求：
不同的应用需要不同的声发射监测报警数据采集分析模块，主要需求有：
1、连续数据采集，还是定时数据采集
2、信号的频率与幅度范围
3、噪声情况和信号处理要求
4、输出和通讯的要求（远程、本地、无线、有线）
5、电源的要求（电池、交流电、太阳能等）
6、工作环境的要求（野外、电磁干扰等）
7、现场控制的要求（PLC、声光报警、设备停机等）
8、嵌入式软件信号分析：频域滤波器、声发射特征参数产生、特征参数滤波器、模式识别等。
9、信号分析的设置和更新方式：可以是云服务器等网络通讯写入，也可以是模块的本地通讯口（USB、网口等）写入。
采集模块技术规格：
单通道，采样率200KHz，采样精度16位，最大采样长度200K
采集信号最大范围ASL96dB，带宽100Hz-18kHz
前置放大器供电6V ，内置锂电池，无需更换充电，可续航5年（每日采集一次）
工作环境温度-20℃--+70℃，主机外形尺寸135*85*58mm
主要功能
内置GPRS接口数据输出至云平台，将报警结果推送至手机微信公众号，实现及时报警。
定时数据采集分析得到RMS，ASL，功率3个测量值，与判据比较，报警输出推送到微信；
用户可用电脑登录云平台，绑定手机微信，选择报警参数，设置报警门限，查询报警记录，下载报警数据
可设置定时采集周期，也可使用采集器上的手动控制，启动立即采集
模拟滤波器，高通、低通多种选择，出厂前固定
采集模块技术规格：
采样率2MHz ，采样精度16位
信号输入带宽2K-1MHz，
采集信号动态范围70dB
数字滤波器，档位无限组合，高通、低通任意设置
内置SD卡32G存储，撞击参数及统计值存储功能，断电不丢失
上电自动开始采集，用户自行修改设置，存储多组设置功能，断电设置不丢失，开机自动调用
RS232，485，Modbus协议
电源、采集状态指示灯，
主机外形尺寸160*125*50mm
外部供电，直流12V
实时生成声发射撞击参数：幅度，振铃计数，能量，上升时间，持续时间，RMS，ASL。
可生成时间驱动的定时参数RMS，ASL
参数报警判据：多层与或非运算，统计结果与标准比较，根据参数统计判定仪器故障并报警
服务器上大数据人工智能数据分析软件
服务器读取连接的所有数据模块的全部历史数据和现场反馈的验证数据。服务器上大数据人工智能分析软件得到当前更精准的报警并自动推送报警给客户端手机，同时将修正的报警判据和数据采集分析设置推送到每一个数据模块，使得以后可以得到更精准的报警和质量更好的数据。这个以大数据为基础的人工智能自我学习校正的循环长期进行，不断提高报警的正确率和实现更早期的预防报警。
也可人工将外部包括第三方的大数据人工智能学习训练的结果系数/设置/判据等写入到声发射报警模块,获得更准确的报警结果和质量更好的数据。
