هدف این پایان نامه، شناسایی سیستم پاندول معکوس دوار (rip) موجود در آزمایشگاه رباتیک و طراحی کنترل کننده پایدارساز مناسب برای این سیستم، مبتنی بر روش های غیر خطی از قبیل خطی سازی با فیدبک ،کنترل مد لغزشی ، بازطراحی لیاپانوف میباشد. این سیستم دارای دینامیک غیرخطی، ناپایدار، غیر مینیمم فاز و زیر تحریکه است. در نتیجه پایدارسازی و کنترل آن همواره مورد توجه بوده است. کنترل کننده طراحی شده باید به گونه ای باشد تا بتواند پاندول را در نقطه تعادل ناپایدار، متعادل سازد. طراحی یک کنترل کننده کارآمد، مستلزم شناخت کامل از یک سیستم میباشد. بدین منظور قبل از طراحی کنترل کننده باید سیستم با استفاده از معادلات ریاضی مدلسازی شود. مدل ارائه شده برای سیستم، بایستی این قابلیت را داشته باشد که جواب سیستم واقعی به یک ورودی مشخص را، تا حد ممکن توصیف نماید. وجود عدم قطعیت در برخی از پارامترهای شناسایی شده و همچنین وجود نامعینی های مدل نشده، طراحی کنترل کننده مذکور را دشوار می سازد. بنابراین باید کنترل کننده ای طراحی شود تا در مقابل عدم قطعیت ها و نامعینی های مدل مقاوم باشد. در این تحقیق برای شناسایی سیستم فوق، در ابتدا دینامیک آن با استفاده از معادلات لاگرانژین مدلسازی شده است. سپس با استفاده از بلوک های موجود در محیط simulink® برنامه ®matlab، پارامترهای مجهول مدل ریاضی بدست آمده شناسایی میشوند. در اکثر مقالات موجود در زمینه طراحی کنترلر پایدارساز، ضرایبی از قبیل میرایی پاندول و میرایی بازو در معادلات ریاضی در نظر گرفته نشده است که البته این موضوع بدلیل عدم پیاده سازی بر روی سیستم واقعی در این مقالات چندان حائز اهمیت نمیباشد. در مرحله نهایی بعد از آنکه پارامترهای سیستم شناسایی شدند طراحی کنترل کننده مد لغزشی مورد بررسی قرار میگیرد. سپس این کنترل کننده در محیط matlab® شبیه سازی و در نهایت برروی سیستم موجود در آزمایشگاه رباتیک پیاده سازی میشود. نتایج عملی نشان میدهد که در هنگام قرار گرفتن پاندول در موقعیت قائم با استفاده از کنترل کننده مد لغزشی، زاویه بازو مرتبا افزایش مییابد. بنابراین برای پایدار ساختن زاویه بازو از یک کنترل کننده هیبرید که شامل کنترل مد لغزشی و lqr میباشد، استفاده میشود. نتایج شبیه سازی و پیاده سازی عملی، بیانگر کارآیی بالای این روش در مقایسه با کنترل کننده صرفا lqr میباشد. در حالیکه کنترل کننده صرفا lqr قادر است حداکثر از همسایگی °40 حول نقطه تعادل سیستم را پایدار سازد، کنترل کننده هیبرید دارای ناحیه جذابیت °90 میباشد. از دیگر مزایای این کنترل کننده مقاوم بودن آن نسبت به عدم قطعیت ها و نامعینی ها ناشی از شناسایی می باشد. بنابراین با توجه به کارآیی بالا، این کنترل کننده میتواند به عنوان یک روش مناسب جهت کنترل سیستم های زیر تحریکه مطرح باشد.

ایمنی بالا و صرفه اقتصادی از مهمترین پارامترهای طراحی و ساخت کشتی می باشند. به منظور دست یابی به این اهداف، لازم است حرکت کشتی کنترل شود. بر اساس نوع کشتی و عملیاتی که انجام می دهد، تنظیمات خاصی برای مسیر مورد نظر و همچنین حدود قابل قبول حرکت ناشی از امواج که عملیات تحت آن می تواند انجام گیرد وجود دارد. این محدودیت ها می توانند بر روی حرکت های مطلق یا نسبی شامل جابه جائی، سرعت، شتاب و همچنین پاسخ های منتج شده از جابه جائی ها مانند میزان بروز دریازدگی اعمال شوند. اما باید توجه داشت که دینامیک کشتی به علت وجود عبارت های میرایی غیرخطی و دوران بین دستگاه مختصات متصل به زمین و دستگاه مختصات متصل به بدنه، غیرخطی می باشد. هر چند امکان خطی سازی معادلات دینامیکی و سپس طراحی کنترل کننده خطی وجود دارد، ولی این شیوه کنترلی نمی تواند پایداری جامع سیستم را تضمین کند. همچنین باید توجه داشت که کشتی تحت تاثیر اغتشاش های غیر قابل پیش بینی محیطی مانند امواج و عدم قطعیت هایی ناشی از شرایط سفر دریایی مانند شرایط بارگیری و تراز قرار دارد. از این رو طراحی اتوپایلوت و پایدارساز roll برای کشتی همواره یک مسئله چالش برانگیز بوده است. اما مرور تحقیقات انجام شده نشان می دهد که در اکثر موارد این دو موضوع کنترلی به صورت مجزا در نظر گرفته شده اند. در صورتی که تداخل بین کانالهای yaw و roll غیر قابل اغماض می باشد. همچنین اکثر تحقیقات مبتنی بر کنترل کننده مدلغزشی بر اساس مدل خطی سازی شده کشتی انجام شده اند و در هیچ یک از آنها حدود عدم قطعیت به صورت تحلیلی محاسبه نشده و تنها یک بهره ثابت برای مقابله با عدم قطعیت در نظر گرفته شده است. در این تحقیق ابتدا با استفاده از شیوه کنترل مد لغزشی، دو کنترل کننده غیرخطی یک ورودی-یک خروجی جهت اتوپایلوت (کنترل yaw با استفاده از سکان) و پایدارساز roll (کنترل roll با استفاده از بالک ها) طراحی شده اند. سپس یک کنترل کننده مد لغزشی دو ورودی-دو خروجی غیرخطی نیز برای کنترل توام roll و yaw طراحی شد. همچنین در ادامه، ایده جدید استفاده از بهره سوئیچینگ تعمیم یافته برای افزایش تاثیر ورودی ها در خروجی های کنترلی متقابل پیشرفت داده شد. یکی از خصوصیات برجسته کنترل کننده های طراحی شده این است که در آنها حدود عدم قطعیت به صورت تحلیلی محاسبه شده و مقاومت آنها نسبت به منابع مختلف ایجاد عدم قطعیت، تضمین شده است. البته باید توجه داشت که این شیوه کنترلی دارای مشکلات عملی مانند پدیده چترینگ نیز می باشد. برای کاهش این مشکل در هر مرحله از طراحی، کنترل کننده ها با استفاده از متغیر سوئیچینگ انتگرالی ارتقا داده شدند. در نهایت جهت ارزیابی کارایی کنترل کننده های پیشنهادی، 3 معیار کمی متوسط خطای تعقیب، درصد کاهش roll و تلاش کنترلی در نظر گرفته شد. نتایج شبیه سازی سیستم های کنترلی طراحی شده بر روی مدل غیرخطی کشتی در دو وضعیت مختلف دریای آرام و امواج بسیار سخت بیان گر کارایی بالاتر کنترل کننده مدلغزشی چند متغیره مبتنی بر متغیر سوئیچینگ انتگرالی و بهره سوئیچینگ تعمیم یافته، نسبت به سایر سیستم های کنترلی می باشد.

در این پایاننامه یک روش تحلیلی و یک روش عددی برای حل مسئله جای گزینی مقادیر ویژه در سیستم های کنترلی مرتبه دوم معرفی گردیده است. مزیت این روش ها نسبت به سایر روش ها در نظریه کنترل این است که اولاً این روش ها مرتبه پیچیدگی بالایی ندارند، و ثانیاً همگرایی تضمین شده نسبت به سایر روش ها دارند. در روش های مطرح شده در این پایان نامه برای حل مسئله جای گزینی مقادیر ویژه در سیستم های کنترلی مرتبه دوم، مقاوم سازی سیستم مسئله اصلی است در حالی که در سایر روش ها در نظریه کنترل، کمتر به مسئله مقاوم سازی سیستم های کنترلی حلقه-بسته پرداخته می شود.

سازه های حمل و نقل فضائی، شامل سیستم های پیچیده مهندسی می باشد که علوم مختلف در طراحی و تولید آنها نقش مهمی ایفا می کنند. در کنترل بهینه می توان شاخص عملکرد های مختلفی را برای سیستم تعریف کرد که از جمله می توان به توابع هزینه مربوط به حداقل سوخت و حداقل زمان و یا ترکیبی از این توابع اشاره کرد.

هدف این پایان نامه، طراحی و پیاده سازی کنترل کننده هوشمند مناسب برای بازوی ربات مبتنی بر فلزات حافظه دار (smas)می باشد. این بازو در آزمایشگاه رباتیک دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز طراحی و ساخته شده است. فلزات حافظه دار دسته خاصی از مواد هستند که قادرند در پروسه گرمایی مناسب شکل قبلی خود را بازیابی کنند. پروسه انتقال حرارتی آلیاژهای حافظه دار خاصیت هیسترزیس دارد، این امر سبب می شود محرک های مبتنی بر این فلزات دارای دینامیک غیرخطی شدید باشند. از مشکلات دیگر فلزات حافظه دار نامعینی پارامترها و عدم امکان اندازه گیری اکثر آن هاست. در نتیجه کنترل محرک های مبتنی بر این فلزات بسیار دشوار می باشد. کنترل کننده طراحی شده باید به گونه ای باشد تا با مشکلات فوق مقابله کرده، بتواند بازوی ربات را به زاویه مورد نظر برساند. بمنظور طراحی کنترل کننده ابتدا باید سیستم با استفاده از معادلات ریاضی و با بهره گیری از بلوک های موجود در محیط simulink® برنامه ®matlab، مدلسازی شود. پس از شبیه سازی حلقه باز سیستم، طراحی کنترل کننده هوشمند مورد بررسی قرار می گیرد. این کنترل کننده در محیط matlab® شبیه سازی و در نهایت برروی سیستم موجود در آزمایشگاه رباتیک پیاده سازی می شود. نتایج شبیه سازی و پیاده سازی عملی، بیانگر کارآیی بالای روش های هوشمند ارائه شده در کنترل محرک مبتنی بر فلز حافظه دار هستند. از دیگر مزایای این کنترل کننده ها عملکرد مطلوب در برابر نامعینی پارامترها، خاصیت هیسترزیس و غیرخطی گری شدید فلز حافظه دار می باشد. کنترل کننده های ارائه شده قادرند در محدوده فرکانسی مطلوب عملکرد قابل قبولی از خود نشان دهند. بنابراین با توجه به کارآیی بالا، این کنترل کننده ها می توانند بعنوان روش مناسب جهت کنترل سیستم های مبتنی بر فلزات حافظه دار مطرح باشند.

سیستم چند عاملی به سیستمی اطلاق می شود که از چندین عامل تشکیل شده باشد. هر کدام از این عامل ها به نوبه خود فعل و انفعالات داخلی داشته و در محیط خارج نیز با یکدیگر در ارتباط می باشند . عامل در بیشتر موارد با داشتن اطلاعات خاص و محرک های مختلف از طرف کاربر عمل می کند. یک عامل می تواند نماینده ای از طرف انسان باشد که در محیط های مجازی همانند او تصمیم گیری کرده و به انجام کارهای مختلف می پردازد. یک ارتباط داخلی موفق بین عامل ها، متشکل از همکاری و هماهنگی مابین عامل ها و مذاکره دوطرفه بین آن هاست، درست به همان اندازه که انسان ها در ارتباطات روزانه خود با یکدیگر ارتباط داشته و به مذاکره و داد و ستد می پردازند. سیستم های چند عاملی رباتیک ، سیستم هایی دارای چندین ربات می باشند که به طور هماهنگ برای انجام هدفی مشترک و یا انجام کارهایی متفاوت ولی در یک محیط مشترک کنترل می شوند. هدف مشترک این عامل ها می تواند کارهایی نظیر نقشه برداری از یک محیط، کارهای اکتشافی، عملیات نجات، مین یابی و... باشد. در سال های اخیر تحقیقات زیادی در این زمینه صورت گرفته که باعث پیشرفت چشمگیر آن در علم رباتیک شده است، علت این امر را می توان در مزایای این سیستم ها نسبت به سیستم های تک عاملی دانست علاوه بر آن، این سیستم ها توانایی های زیادی نسبت به سیستم های تک عاملی دارند. از آن جمله می توان به افزونگی ، میدان عملکرد وسیع، توان عملیاتی بیشتر، انعطاف پذیری در پیکر بندی ، توانایی انجام کارهای مختلف در یک محیط و قابلیت سنس و عمل کردن توزیع شده، اشاره کرد. در این میان مسئله مسیریابی و هماهنگی در حرکات از اهمیت ویژه ای برخوردار است، چرا که عوامل هر سیستم چند عاملی که در یک محیط مشترک کار می کنند به طور مستقیم یا غیر مستقیم با این مسئله در گیر می باشد. از طرف دیگر مسیریابی برای سیستم چند عاملی مشکل تر از مسیریابی برای یک ربات می باشد چرا که با افزایش تعداد ربات ها احتمال برخورد آنها با یکدیگر در محیط وجود دارد. در سیستم های چند عاملی چون همواره رقابت بین عامل ها برای گرفتن مسیر وجود دارد، احتمال آن می رود که بعضی از عامل ها نتوانند به مقصد مورد نظرشان برسند. هدف این پایاننامه مسیریابی هوشمند برای سیستم چند عاملی با استفاده از الگوریتم های تکاملی می باشد. بنابراین مسئله مسیریابی ربات را به یک مسئله بهینه سازی تبدیل کرده و بهترین مسیر برای ربات ها انتخاب می شود نتایج شبیه سازی نشانگر عملکرد موفق و کارایی این الگوریتم در مسیریابی ربات ها می باشد، و برخلاف روش هایی که در مینیمم های محلی گیر می کنند (مانند روش های میدان پتانسیل)، با استفاده از این الگوریتم، ربات ها هیچگاه در چنین موقعیت هایی گیر نکرده و بدون برخورد به موانع ثابت و متحرک و نیز ربات های دیگر موجود در محیط به اهداف خود می رسند. . از طرف دیگر، الگوریتم مسیر یابی هوشمند ارائه شده با استفاده از الگوریتم ژنتیک (ga) و الگوریتم قورباغه (sfl) بر روی سیستم اجرا شده و نتایج بدست آمده نشانگر موفقیت الگوریتم قورباغه می باشد، چرا که مسیر یابی با استفاده از این الگوریتم سریعتر بوده و ربات ها با طی مسافت کمتری به مقصد خود می رسند. ربات های مورد استفاده در این پایاننامه، ربات موبایل khepera?? می باشد و شبیه سازی ها در محیط شبیه ساز6.1.5 webots™ صورت گرفته و از زبان برنامه نویسی2008b matlab® به عنوان واسط برنامه نویسی استفاده شده است.

شناسایی سیستم ها به معنی تخمین پارامترهای آن ها با اعمال ورودی های مشخص و بررسی پاسخ سیستم ها به این ورودی ها از جمله مسائل مربوط به مهندسی سیستم است که از دیرباز مورد توجه قرار گرفته است. روش های تحلیلی پیچیده و دارای محاسبات فراوان برای این امر ارائه و توسعه یافته اند. عیب عمده ی این روش ها پیچیدگی زیاد و در نتیجه حجم محاسباتی بالا و زمان بر بودن انجام محاسبات است که باعث می شود که نتوان از این روش ها در کاربردهای on-line بهره گرفت. بنا به دلایل ذکر شده، جستجو به دنبال یافتن روش هایی با پیچیدگی کمتر و حجم محاسباتی پایین تر به منظور شناسایی سیستم ها شروع شده و تا به امروز ادامه دارد. از جمله ی روش های مورد استفاده، استفاده از شبکه های عصبی مصنوعی برای مدل سازی و تخمین پارامترهای سیستم های دینامیکی با استفاده از اطلاعات خروجی سیستم ها است.شبکه های عصبی مصنوعی جزو سیستم های تطبیقی هستند که توانایی حیرت انگیزی در مدل سازی سیستم های پیچیده، از جمله سیستم های غیرخطی و تغییر پذیر با زمان دارند که عملاً شناسایی چنین سیستم هایی توسط روش های تحلیلی غیرممکن است. شبکه های عصبی مصنوعی دارای انواع مختلف هستند و هرکدام کاربردهای متفاوتی دارند. تلاش های زیادی برای استفاده از انواع مختلف شبکه های عصبی مصنوعی و همین طور دیگر ساختارهای هوشمند به منظور شناسایی سیستم های پیچیده انجام گرفته است. در این پروژه، سعی بر این بوده است که با استفاده از دو نوع متداول شبکه های عصبی مصنوعی، موسوم به شبکه های mlp و rbf و همین طور ترکیب منطق فازی با شبکه های عصبی که منجر به ارائه ی شبکه های جدیدی به نام شبکه های anfis شده است، تخمین قابل قبولی از پارامترهای یک سیستم دینامیکی نمونه به دست آید.

همزمان با پیشرفت علم و تکنولوژی، انسان در پی رسیدن به تکنیک هایی است که همه ی کارها را به ماشین واگذار کند. علیرغم این پیشرفت، هنوز اعمالی هستند که انجام آن ها نیازمند هوش بشری و یا طبیعت است. از این رو بشر در پی تولید تکنیک هایی است تا ماشین ها این اعمال را بدون دخالت مستقیم بشر یا طبیعت انجام دهند. این ایده منجر به بوجود آمدن مفهومی به نام هوش مصنوعی گردیده است. هوش مصنوعی تقلیدی از مکانیزم هوش انسانی و یا قوانین حاکم بر عالم هستی و طبیعت است. سیستم ایمنی مصنوعی (ais) یکی از روش های جدید هوش محاسباتی است که از سیستم ایمنی بدن انسان الهام گرفته شده است و در حال حاضر مراحل تکامل خود را می گذراند. در این تحقیق با معرفی سیستم ایمنی طبیعی و مصنوعی و کاربرد آن در کلاس بندی، به معرفی الگوریتم پیشنهادی و مقایسه ی آن با معروفترین الگوریتم سیستم ایمنی مصنوعی برای کلاس بندی و همچنین مقایسه با عملکرد الگوریتم های شبکه های عصبی sfam و mlp در کلاس بندی پرداخته ایم. در مقایسه ی معروفترین سیستم ایمنی مطرح شده برای کلاس بندی (airs) با شبکه های عصبی sfam و mlp، نتایج نشان می دهد که airs با اینکه از دقت بالایی برخوردار است، اما نسبت به sfam ضعیف تر است و در عین حال در مقایسه با الگوریتم sfam بسیار کند عمل می کند. ما جهت رفع این مشکل با ساده سازی و اعمال تغییرات در airs و استفاده از ایده های sfam الگوریتم جدیدی تحت عنوان fairs معرفی کردیم که از لحاظ دقت قابل مقایسه با sfam است ولی با این که هنوز از لحاظ سرعت ضعیف تر از sfam می باشد، چندین برابر سریعتر از airs، معروفترین سیستم ایمنی مطرح شده برای کلاس بندی، عمل می کند و در عین حال دقت کلاس بندی را نیز بهبود می بخشد که نشان دهنده ی برتری الگوریتم مطرح شده نسبت به الگوریتم های ایمنی پیشین برای کلاس بندی می باشد.

در مسائل عملی مهندسی کنترل، غالبا سیستم ها غیرخطی و شامل عناصر نامعینی می باشند. بازوهای انعطاف پذیر به عنوان زیرمجموعه مهمی از سیستم های غیرخطی بازوهای سبکی هستند که دارای کاربردهای فراوان در تحقیقات فضایی، نظامی و سازه های مهندسی می باشند. تحلیل دینامیکی و کنترل به روش کلاسیک و برپایه مدل این سیستم ها بسیار پیچیده بوده وبستگی به دقت مدل دارد. کنترلکنندههای هوشمند از قبیل کنترل کننده های عصبی– فازی که وابسته به مدل دقیق فرایند نمی باشند، جایگزین مناسبی برای کنترل کننده های معمول محسوب می شوند. کنترل کننده های عصبی- فازی با استفاده از منطق فازی در ساختار شبکه عصبی از قابلیت تفسیر سیستم های فازی و توانایی یادگیری شبکه های عصبی بهره می گیرند. در این پایان نامه هدف ارائه یک مدل عصبی- فازی بهبودیافته برای کنترل سیستم های غیرخطی و تنظیم موقعیت بازوی انعطاف پذیر می باشد. برای نیل به این هدف دو استراتژی پیشنهاد شده است، در استراتژی نخست از مجموعه های فازی نوع دو در ساختار شبکه عصبی- فازی بازگشتی استفاده میشود، به این ترتیب مقاومت سیستم در مقابل نویز و عدم قطعیت ها افزایش خواهد یافت. با به کارگیری خاصیت خودتکاملی در شبکه دیگر نیازی به تعیین تعداد قوانین بصورت از پیش تعیین شده نمی باشد، شبکه در ابتدا هیچ قانونی را شامل نمی باشد و تمام قوانین با استفاده از الگوریتم یادگیری ساختار و پارامترها بصورت آنلاین تشکیل و آموزش داده می شوند. الگوریتم یادگیری ساختار از خوشه بندی فازی نوع دو آنلاین استفاده میکند. برای افزایش قابلیت یادگیری شبکه، پارامترهای قسمت نتیجه با استفاده از الگوریتم فیلتر کالمن بهینه سازی می شوند. در این استراتژی پارامترهای قسمت مقدم نیز با استفاده از روش فیلتر کالمن توسعه یافته اصلاح می شوند. در استراتژی دوم ساختار کنترل کننده همانند استراتژی نخست می باشد، اما پارامترهای قسمت مقدم و وزن های فیدبک محلی با استفاده از روش گرادیان نزولی بهینه سازی می شوند. در این استراتژی دیگر نیازی به تعیین پارامترهای فیلتر کالمن توسعه یافته که بایستی از قبل توسط طراح انتخاب شود، نمی-باشد. از دیگر ویژگی های این کنترل کننده یادگیری همزمان ساختار و پارامترها در هر دو استراتژی می-باشد. نتایج شبیهسازیها عملکرد بهتر این کنترل کننده را نسبت به کنترل کننده عصبی- فازی تطبیقی و فازی از لحاظ سرعت پاسخ دهی نشان می دهند.

: یک شبکه تهیه و توزیع کالا از چند شرکت و موسسه تجاری تشکیل شده است. اگر تعیین سیاست های تجاری این شرکت ها فقط بر اساس معیارهای اختصاصی آن شرکت باشد و هر شرکت بدون توجه به سیاست های تجاری سایر شرکت ها عمل کند این امر منجر به کاهش سودآوری و بازده کل شبکه تهیه و توزیع خواهد شد. هدف این پروژه این است که با استفاده از روشهای هوشمند تصمیم گیری در نظریه بازی ها بازده کل شبه را بهینه کند برای این منظور اجزا شبکه به عنوان بازیکنان یک بازی در نظر گرفته می شوند. هدف تعریف مکانیزمی است که با وجود بازیکنان منطقی و خودخواه بتواند هزینه کل سیستم را بهینه کند. در این بازی سه نوع متفاوت از بازیکنان وجود دارد. بازیکنانی که فقط به دنبال سود شخصی هستند. این نوع بازیکنان به دنبال رسیدن به کوتاه ترین مسیر با کمترین هزینه در یک شبکه می باشند. گروه دوم بازیکنانی هستند که به صورت یک تیم مشارکتی عمل می کنند همانند شرکت های مسافربری. و در نهایت بازیکنی که تابع هزینه آن برابر با تابع هزینه سیستم برای بهینه سازی خود شبکه می باشد. در مدیریت یک شبکه تهیه و توزیع کالا هدف انتقال میزان کالا درخواستی بین اجزا شبکه با کمترین هزینه ممکن می باشد. در یک مزایده هر بازیکن میزان کالای درخواستی خود را به سیستم اعلام می کند و سیستم بر اساس قوانین حاکم بر بازی برنده بازی را تعیین می کند. در این نوع بازی در هر مزایده بازی ففط یک بازیکن برنده می شود. مشکل عمده این نوع از بهینه سازی ها مواجه شدن با یک مسئله np-complete می باشد. زیرا تمامی مسائل تخصیص و نظریه بازی ها دارای سطح پیچیدگی محاسباتی np-complete می باشند. در نتیجه از روش های محاسباتی تخمین در این پایان نامه برای حل صورت مسئله بهینه سازی استفاده شده است

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.