1.一种基于机器学习的管网阀门典型声音信号识别方法，其特征在于，包括：
2.根据权利要求1所述的一种基于机器学习的管网阀门典型声音信号识别方法，其特征在于，针对采集到的待识别管网阀门工作时的每一段音频信号进行去噪处理的过程中，首先针对300hz-3400hz采用通滤波方式进行滤除，然后采用去噪算法进行二次降噪。
3.根据权利要求1所述的一种基于机器学习的管网阀门典型声音信号识别方法，其特征在于，所述水压范围区间包括0.25-0.3mpa、0.35-0.45mpa、0.5-0.55mpa。
4.根据权利要求1所述的一种基于机器学习的管网阀门典型声音信号识别方法，其特征在于，排气状态识别模型采用catboost机器学习模型。
5.根据权利要求1所述的一种基于机器学习的管网阀门典型声音信号识别方法，其特征在于，加权软投票的水压识别模型为多个机器学习模型组成的加权融合模型。
6.根据权利要求4所述的一种基于机器学习的管网阀门典型声音信号识别方法，其特征在于，组成的加权融合模型的多个机器学习模型包括gbdt、xgboost和catboost模型。
7.根据权利要求1至4任意一项所述的一种基于机器学习的管网阀门典型声音信号识别方法，其特征在于，所述排气状态识别模型是预先构建并训练好的，具体过程包括：
8.根据权利要求7所述的一种基于机器学习的管网阀门典型声音信号识别方法，其特征在于，对第一特征集进行降维得到第三特征集的过程包括以下步骤：
9.根据权利要求1、2、3、5、6中的任意一项所述的一种基于机器学习的管网阀门典型声音信号识别方法，其特征在于，所述水压识别模型是预先构建并训练好的，具体过程包括：
10.根据权利要求9所述的一种基于机器学习的管网阀门典型声音信号识别方法，其特征在于，对第一特征集进行降维得到第四特征集，对第一特征集进行降维得到第五特征集的过程包括以下步骤：