Para plataformas inerciales con parámetros de modelo desconocidos e información interna, los controladores tradicionales sin modelo fallan en resistir vibraciones externas basándose únicamente en el giroscopio de la plataforma, lo que deteriora el rendimiento de las plataformas inerciales. Por lo tanto, aplicamos la máquina de aumento de gradiente ligero (LightGBM) para identificar un modelo de plataforma de extremo a extremo, seguido de proponer un esquema de MPC basado en datos para mejorar el rendimiento del control. Además, se diseña un método de maximización de expectativas (EM) para resolver los problemas de optimización con modelos de identificación no diferenciables, que son desafíos para el optimizador basado en descenso de gradiente tradicional. Además, se diseña una estrategia de compensación adaptativa para generalizar el esquema de control basado en datos a diferentes vibraciones externas. Finalmente, los resultados experimentales demuestran la viabilidad, eficacia y capacidad de generalización del método propuesto.