基于神经网络和遗传算法的光合细菌制氢发酵技术研究

第27卷第9期2006年9j太阳能学报A(AENERG【AESOLARISSINICAf．27No9Sep．，21306文章编号：0254-0096(2OO6)09-0942-05基于神经网络和遗传算法的光合细菌制氢发酵技术研究张梅凤，邵诚，张全国，王艳锦(1．大连理工大学信息与控制研究中心，大连116024；2．郑州轻_T、J学院，郑州450002；3．河南农业大学农业部可再生能源重点开放实验室，郑州450002)摘要：生物制氢与畜禽粪便污水处理的有机结合，对于开发新能源、治理污染和废物综合利用具有重要意义。该文在利用神经网络对光合细菌制氢发酵特性进行建模的基础上，将全局寻优遗传算法与神经网络模型相结合，实现了制氢发酵特性的优化，得到了可获得最大产氢量的制氢发酵条件组合。此研究为畜禽粪便污水光合细菌制氢技术的工业化生产提供了有意义的参考。关键词：光合细菌；制氢；神经网络；遗传算法中图分类号：TK6文献标识码：A0引言在生物制氢领域中，光合细菌(PhotosyntheticBacteria，PSB)由于其独特的生理功能——能够自身复制、繁殖，还可通过光合作用进行能量转换_1。，因而受到了环境、能源和微生物界的广泛重视。光合细菌制氢可供选择的原料非常多，如畜禽养殖厂的畜禽粪及其废水。光合细菌制氢发酵特性受到多种因素的影响，其中主要受温度、光照强度、原料初始pH值和PSB初期活性等控制变量的影响，且各变量与产氢量之间呈现出复杂的非线性关系，因此，描述光合细菌制氢过程的准确数学模型难以建立。为了找出发酵过程中比较好的产氢条件组合，需要进行大量的单因素和正交优化实验，耗时耗力，而且由于光合细菌制氢发酵实验的局限性，实验获得的最佳的产氢条件组合，并非全局最优值，即可能存在比实验最佳值更好的制氢条件组合。8O年代重新兴起的神经网络(NeuralNetwork，NN)技术为研究非线性系统提供了崭新的方向，它能根据样本逼近任意非线性过程，而且在学习过程中无须建立关于研究对象的数学模型假设_，这为光合细菌制氢过程的模拟提供了一种可行的解决方案，即用神经网络对光合细菌制氢发酵特性进行建模。利用神经网络建模后所确立的函数关系，还需要求解由该函数作为目标函数的最优化问题。由于用神经网络模型确立的函数关系是通收稿日期：2005-04-08基金项目：国家自然科学基金(5o476o87)；国家高技术研究发展汁划(863计划)(2004AA515010)过神经元间的连接权值和阈值来实现的，难以用简单的函数形式表达，所以用传统的优化方法不易解决这类问题，我们采用遗传算法(GeneticAlgorithm，GA)~6,71来完成针对神经网络模型的寻优过程。遗传算法是借鉴生物界自然选择和群体进化机制形成的一种全局寻优算法，它只对系统的输出进行适应度的评判，与系统的内部复杂性无关，因而特别适应于功能复杂以至难以分析的高度复杂性系统。1实验数据获得产氢实验装置如图1所示，采用分批实验。为控制一定的温度，将反应置于恒温状态，同时保证光l一恒温箱2一光源3一反应瓶4一集气瓶5一平衡瓶6一气体流量仆7一氢分析器图1产氢实验装置Fig．1Theequipmentforhydrogenproductionexperiment转载http://www.paper.edu.cn张梅风等：基j冲经络千¨遗传算法的光台细制氧发酵技术研究943合细菌受光均匀。实验环境为密封，产町近似认为是在厌氧的条件下进行的产生的气体用排水集气法收集，并定时用RD一2059G型氢分析器进行测定光合细菌足一种能在厌氧光照或好氧光照条件下利用有机物作供氧体兼碳源，进行光合作用的细菌，而且具有随环境条件变化而改变代谢类型的特性。／f光合细菌菌株的固氮酶活性和产氢能力是不同的。光合细菌中红假单胞菌属的许多菌株能以小分子有机物作为供氢体和碳源，具有较强的分解和去除有机物的能力。本实验采用球形红假单胞菌(Rhodoba(terSphaeroides)1．1737菌株，以菌液作为原料发酵的接种物，污水采用直接从猪厂二级沉淀池出来的(污水COD浓度为5687mg／L)、体积为900mL进行发酵制氧。对不同温度、光照强度、原料初始DH值和PSB初期活性分别进行r单素和正交实验，部分实验结果如表1所示。从实验数据可以看加能增加光合作用的强度，从而为产氧反应提供更多的能量和受激发电子，加快产氢速度但如果光照强度过大，接近或超过饱和值，则光照强度的影响会随之下降，产氢量相应减少。温度对球形红假单胞菌产氢也有比较显著的影响，它对生物体的影响表现在两个方面：一方面随着温度的上升，细胞中的生物化学反应速率和生长速率加快；另一方面，机体的重要组份，如蛋白质、核酸等，对温度都较敏感，温度如果过高，可能遭受不可逆的破坏。因此，只有在一定范