目前矿井通风系统阻变型故障诊断方法需要收集故障样本方可进行故障位置和故障量诊断，且故障位置诊断和故障量诊断需要分别建立对应分类和回归数学模型。针对矿井通风系统阻变型故障样本收集难度大和故障位置及故障量无法同时进行故障诊断的问题，将矿井通风系统阻变型故障诊断转换为最小欧氏距离的优化求解问题，提出一种无需样本参与训练的矿井通风系统阻变型故障诊断无监督学习模型，利用协方差矩阵自适应进化策略方法对无监督学习模型进行优化求解，实现分类与回归预测一体化。通过进行风量、风压单一特征和风量-风压复合特征的对比模拟试验，结果表明：所提出的故障诊断无监督学习模型和所使用的求解方法可有效地解决矿井通风系统阻变型无样本参与的故障诊断问题；故障诊断过程中无需单独分别进行故障位置和故障量诊断；风量-风压复合特征比风量或风压单一特征下的矿井通风系统阻变型故障诊断可达到更高的故障位置诊断准确率和更低误差的故障量诊断性能；即使选用部分观测点，也可实现较高的故障位置诊断准确率和较低故障量诊断误差的性能，且故障观测点比例大小与诊断性能无直接影响关系。研究成果可实现矿井通风系统阻变型故障的实时诊断，同时将为智能化矿井通风提供理论基础和实现技术。