基于LoRA微调与RAG融合的煤矿专业大模型应用关键技术.pdf

第51卷第8期工矿自动化Vol.51No.8

2025年8月JournalofMineAutomationAug.2025

分析与研究

文章编号：1671-251X(2025)08-0034-10DOI:10.13272/j.issn.1671-251x.2025030031

基于LoRA微调与RAG融合的煤矿

专业大模型应用关键技术

秦一凡，付翔12.3，张智星，贾一帆，孙岩1

（1.太原理工大学矿业工程学院，山西太原030024；2.智能采矿装备技术全国重点实验室，山西太原

030024；3.山西焦煤集团有限责任公司博士后工作站，山西太原030024）

摘要：目前煤矿行业大模型仅对用户的提问进行知识问答，未与现场实时数据相关联，无法对煤矿生产运行

状况进行实时分析与指导。针对这些问题，提出一种基于大语言模型的低阶适应（LoRA）微调和检索增强生成

(RAG)融合的煤矿专业大模型。该模型先运用LoRA技术从历史文本语料中抽取出知识实体并定义知识结构输

入大模型进行微调，使大模型能够深入理解领域知识，再将实时产生的生产数据、实时更新的作业规程、法规条例

等数据经过向量化清洗输入向量数据库，并与RAG的检索机制相结合，确保数据信息的实时性和准确性。实验

结果表明：①经LoRA微调后，模型回答可以精准契合某煤矿“一通三防”管理制度汇编，不仅详细阐述了控制

瓦斯排放的增阻限风、分风限风、逐段排放等具体方法，还对排放时间计算、传感器设置、图纸绘制及断电撤人等

操作细则进行说明，实现了从泛泛而谈到精准定位具体煤矿特定文件内容的跨越。②选取现场143万条液压支

架时序数据，分别存入Milvus向量数据库与MySQL关系型数据库,从写入效率与查询性能2个维度进行对比，

结果表明：Milvus向量数据库写入速度为MySQL关系型数据库的2.4倍；在向量检索场景方面，Milvus

的向量相似度检索延迟稳定在20ms，在混合查询场景效率方面，MySQL需全表扫描后排序，143万条数据延迟

超100mS，而Milvus将设备ID过滤后的子集输入分层可导航小世界图（HNSW）层，仅读取查询涉及的向量字

段，避免了全表扫描。③将本地基于LoRA微调与RAG融合的煤矿专业大模型与本地离线deepseekR1-7b模

型进行部署，对多项指标进行测试，结果表明：基于LoRA微调与RAG融合的煤矿专业大模型在煤矿专业领域知

识学习性、知识动态化更新时效性、模型泛化与回答精确度方面具有显著优势，为工业级AI落地提供了可行路径。

关键词：人工智能；煤矿专业大模型；大语言模型的低阶适应微调；检索增强生成；分层可导航小世界

图；LoRA微调；RAG；HNSW

中图分类号：TD67文献标志码：A

Keytechnologiesforapplicationofcoalminedomainlargemodelbasedon

LoRAfine-tuningandRAGfusion

QINYifan,FUXiang2,ZHANGZhixing,JIAYifan,SUNYan

(1.CollegeofMiningEngineering,TaiyuanUniversityofTechnology,Taiyuan030024,China;

2.StateKeyLaboratoryofIntelligentMiningEquipmentTechnology,Taiyuan030024,China;

3.Post-doctoralworkstation,ShanxiCokingCoalGroupCo.,Ltd.,Taiyuan030024,China)

Abstract:Atpresent,largemodelsinthecoalmineindustryonlyper