1.一种基于人工智能算法的电熨斗建立无线连接方法，其特征在于，所述基于人工智能算法的电熨斗建立无线连接方法包括以下步骤：获取电熨斗内的传感器建立无线连接请求，从所述无线连接请求中提取连接数据集，其中所述连接数据集中至少包括多个信号数据；

对所述连接数据集进行预处理，得到预处理后的连接数据集，提取预处理后的连接数据集的特征，得到信号特征数据；

对所述信号特征数据进行畸变信号识别，并重构畸变信号，得到待连接信号数据；

将所述待连接信号数据输入预先训练得到的连接识别模型中，通过所述连接识别模型获得所述待连接信号数据对应的无线连接点；

将电熨斗内的传感器与所述无线连接点进行验证匹配，验证通过后，建立电熨斗内的传感器与所述无线连接点进行无线连接；

对所述连接数据集进行预处理，得到预处理后的连接数据集，包括：将所述连接数据集中的多个信号数据进行分解，并对所述连接数据集中的多个信号数据进行离散小波变换，得到各层小波细节系数；

计算各层小波阈值，使用阈值函数对各层小波细节系数进行处理，得到近似系数；

进行逆小波变换，重构各层小波近似系数，得到去噪后信号，并生成预处理后的连接数据集。

2.如权利要求1所述的一种基于人工智能算法的电熨斗建立无线连接方法，其特征在于，提取所述连接数据集的特征，得到信号特征数据，包括：获取预处理后的连接数据集中的信号数据，对预处理后的信号数据通过累积分布函数进行归一化处理；

选取嵌入维数并令时间延迟为1，对归一化序列进行相空间重构，通过均匀量化算子将相空间的第n列符号化，得到符号相空间的第n列；

将符号化相空间中的每一列确定为一种模式，统计符号相空间中每种符号模式出现的概率；

当每种符号模式的概率分布中只有一个元素为1，其余元素为0时，排列熵取最小值0，当概率分布服从均匀分布时，排列熵取最大值；

基于排列熵的最佳参数，对预处理后的连接数据集进行多尺度排列熵特征提取，得到信号特征数据。

3.如权利要求1所述的一种基于人工智能算法的电熨斗建立无线连接方法，其特征在于，对所述信号特征数据进行畸变信号识别，并重构畸变信号，得到待连接信号数据，包括：准备含正常信号的元训练数据集，将元训练数据集划分成若干个任务，其中每个任务中由随机分配的n个样本组成支撑集，其余样本作为查询集，每个任务所包含的类别不同；

随机抽取若干个任务，利用抽取的任务中的支撑集进行训练，计算损失并更新参数；

获取查询集中的损失，相加得到元损失，使用交叉熵损失函数进行第二次梯度更新，得到初始元学习器；

利用具有畸变信号的元测试集数据集进行对得到的初始元学习器进行精调，以更新模型参数，得到目标元学习器；

采用得到的目标元学习器对所述信号特征数据中畸变信号进行识别，并重构畸变信号，得到待连接信号数据。

4.如权利要求3所述的一种基于人工智能算法的电熨斗建立无线连接方法，其特征在于，采用得到的目标元学习器对所述信号特征数据中畸变信号进行识别，并重构畸变信号，得到待连接信号数据，包括：将识别带有畸变信号的信号特征数据输入LSTM网络中，由LSTM网络输入门提取所述信号特征数据中时延信息与幅度信息的特征序列；

记录时延信息与幅度信息的特征产生候选向量，通过候选向量与输入门输出共同作用更新时延信息与幅度信息；

通过候选向量以及输入门的输出共同作用决定添加部分这一段输入的样本，并通过遗忘门遗忘上一段的部分畸变信号的信息来更新所述信号特征数据；

由LSTM网络的输出门输出重构后得到的待连接信号数据。

5.如权利要求1所述的一种基于人工智能算法的电熨斗建立无线连接方法，其特征在于，将所述待连接信号数据输入预先训练得到的连接识别模型中，通过所述连接识别模型获得所述待连接信号数据对应的无线连接点，包括：获取历史信号信息，将所述历史信号信息划分为训练集和测试集，其中所述历史信号信息至少包括历史信号数据和历史连接数据；

初始化决策树，对结点中的属性数据进行排序，用不同的阈值将训练集数据进行动态划分；

将输入数据的两端的两个值的中点作为阈值，输入改变时便确定新的阈值，根据阈值确定两个划分，将所有数据样本划分到这两类中，得到所有可能的阈值，并计算所有的划分情况下的信息增益和增益率；

将每个连续属性都会被阈值划分为大于等于阈值和小于阈值，递归拆分直到达到停止条件；

采用所述测试集对结论进行检验，并对决策树进行修剪和剔除，得到连接识别模型。

6.如权利要求5所述的一种基于人工智能算法的电熨斗建立无线连接方法，其特征在于，采用所述测试集对结论进行检验，并对决策树进行修剪和剔除，得到连接识别模型，包括：采用k‑折交叉验证得到最优影响因子值，基于最优影响因子值得到节点误差；

计算每个非叶节点误差，自下而上进行回缩，计算该节点每个分枝的误差；

将每个非叶节点误差和每个分枝的误差进行比较，若每个非叶节点误差小于每个分枝的误差，进行裁剪使父节点变为新的叶节点，否则保留决策子树，直到不能继续为止，得到剪枝树。

7.一种基于人工智能算法的电熨斗建立无线连接系统，其特征在于，所述基于人工智能算法的电熨斗建立无线连接系统包括建立请求模块、特征提取模块、信号识别模块、连接识别模块和验证匹配模块，其中：建立请求模块，用于获取电熨斗内的传感器建立无线连接请求，从所述无线连接请求中提取连接数据集，其中所述连接数据集中至少包括多个信号数据；

特征提取模块，用于对所述连接数据集进行预处理，得到预处理后的连接数据集，提取预处理后的连接数据集的特征，得到信号特征数据；

信号识别模块，用于对所述信号特征数据进行畸变信号识别，并重构畸变信号，得到待连接信号数据；

连接识别模块，用于将所述待连接信号数据输入预先训练得到的连接识别模型中，通过所述连接识别模型获得所述待连接信号数据对应的无线连接点；

验证匹配模块，用于将电熨斗内的传感器与所述无线连接点进行验证匹配，验证通过后，建立电熨斗内的传感器与所述无线连接点进行无线连接；

对所述连接数据集进行预处理，得到预处理后的连接数据集，包括：将所述连接数据集中的多个信号数据进行分解，并对所述连接数据集中的多个信号数据进行离散小波变换，得到各层小波细节系数；

计算各层小波阈值，使用阈值函数对各层小波细节系数进行处理，得到近似系数；

进行逆小波变换，重构各层小波近似系数，得到去噪后信号，并生成预处理后的连接数据集。

8.如权利要求7所述的一种基于人工智能算法的电熨斗建立无线连接系统，其特征在于，所述特征提取模块包括归一化处理子模块、符号化子模块、统计子模块、均匀分布子模块和提取子模块，其中：归一化处理子模块，用于获取预处理后的连接数据集中的信号数据，对预处理后的信号数据通过累积分布函数进行归一化处理；

符号化子模块，用于选取嵌入维数并令时间延迟为1，对归一化序列进行相空间重构，通过均匀量化算子将相空间的第n列符号化，得到符号相空间的第n列；

统计子模块，用于将符号化相空间中的每一列确定为一种模式，统计符号相空间中每种符号模式出现的概率；

均匀分布子模块，用于当每种符号模式的概率分布中只有一个元素为1，其余元素为0时，排列熵取最小值0，当概率分布服从均匀分布时，排列熵取最大值；

提取子模块，用于基于排列熵的最佳参数，对预处理后的连接数据集进行多尺度排列熵特征提取，得到信号特征数据。

9.如权利要求7所述的一种基于人工智能算法的电熨斗建立无线连接系统，其特征在于，所述信号识别模块包括划分子模块、计算子模块、相加子模块、更新子模块和重构子模块，其中：划分子模块，用于准备含正常信号的元训练数据集，将元训练数据集划分成若干个任务，其中每个任务中由随机分配的n个样本组成支撑集，其余样本作为查询集，每个任务所包含的类别不同；

计算子模块，用于随机抽取若干个任务，利用抽取的任务中的支撑集进行训练，计算损失并更新参数；

相加子模块，用于获取查询集中的损失，相加得到元损失，使用交叉熵损失函数进行第二次梯度更新，得到初始元学习器；

更新子模块，用于利用具有畸变信号的元测试集数据集进行对得到的初始元学习器进行精调，以更新模型参数，得到目标元学习器；

重构子模块，用于采用得到的目标元学习器对所述信号特征数据中畸变信号进行识别，并重构畸变信号，得到待连接信号数据。