Este estudio presenta un esquema avanzado de Control Adaptativo Robusto Basado en Variable Deslizante (SVRAC) diseñado para sistemas no lineales canónicos con funciones de ganancia dinámica y de control desconocidas. Aprovechando la aproximación de redes neuronales (NN), el método propuesto simplifica el diseño de control al eliminar la necesidad de componentes de control de modo deslizante tradicionales (SMC) como controles equivalentes y de conmutación. SVRAC integra tres elementos clave: un término de control de retroalimentación para estabilizar errores del sistema, un término basado en NN para estimar y compensar incertidumbres, y un término de ajuste de robustez para mantener la integridad del control bajo variaciones dinámicas. La validación teórica a través del análisis de estabilidad de Lyapunov confirma que los errores del sistema son Semi-Globalmente Uniformemente Últimamente Acotados (SGUUB), y que el error de seguimiento converge a una vecindad de cero. Simulaciones numéricas e ingenieriles demuestran además que SVRAC logra un rendimiento de seguimiento superior, robustez y adaptabilidad en comparación con métodos convencionales. Este enfoque ofrece una solución simplificada pero efectiva para gestionar incertidumbres en sistemas no lineales complejos, con aplicaciones potenciales en diversos dominios de la ingeniería.