This work presents the implementation of a Takagi-Sugeno-Kang Zero- Order VLSI (Very Large Scale Integration) Adaptive Fuzzy Controller; the fuzzy controller has been trained by Nonlinear Backpropagation algorithm. SPICE and MATLAB’s simulations was made to characterize the Fuzyy Controller with and without the algorithm by using three no-linear surfaces: Sinusoidal, quadratic and Sinc functions. The algorithm tunes the values of the singletons to adapt the Fuzzy Controller. Doing simulations, an optimal value of singleton is found to improve the performance of the adaptive system training. A tradeoff between input resolution and cost of implementation, be it Hardware of Software, are established. Finally, an additional module to modify the value of Learning Rate is proposed. The Learning Rate is shifted between two values to guarantee and to accelerate the convergence ratio of the adaptive system.En este trabajo, se realiza la implementación a nivel Circuito Integrado de un controlador difuso tipo Takagi-Sugeno-Kang de orden cero, adaptado mediante el algoritmo Nonlinear Backpropagation. Primero se modela el controlador difuso sin el algoritmo, haciendo simulaciones tanto en MATLAB como en SPICE. Posteriormente, se incluye el algoritmo de adaptación para entrenar al controlador con tres superficies no lineales como objetivo: superficie sinusoidal, superficie cuadrática y superficie Sinc. El parámetro del controlador que es adaptado mediante el algoritmo son los singleton. A partir de simulaciones, se encuentra el valor inicial óptimo de los singleton para un mejor desempeño en el entrenamiento del sistema adaptable. Se establece la relación entre resolución en la salida del controlador para las superficies objetivo y el costo de implementación, ya sea en hardware o software. Finalmente, se propone un módulo adicional al sistema para poder controlar el valor de la constante de adaptación, modificando dinámicamente su valor de acuerdo a la señal de error calculada, para garantizar la máxima velocidad de entrenamiento y la convergencia hacia un punto fijo estable del sistema adaptable.