user8208

پایان نامه کارشناسی ارشد در رشته مهندسی کامپیوتر – هوش مصنوعی
روشی انتخابی برای راه رفتن از بغل در روبات انساننما
توسط
محسن خدایاری
استاد راهنما
دکتر شهرام جعفری
اساتید مشاور
دکتر ستار هاشمی
دکتر علیرضا ذوالقدر اصلی
شهریور ماه 1392

بنام خدا
اظهار نامــه
اینجانب محسن خدایاری دانشجوی رشته ی مهندسی کامپیوتر گرایش هوش مصنوعی، اظهار می کنم که این پایان نامه حاصل پژوهش خودم بوده و در جاهایی که از منابع دیگران استفاده کرده ام نشانی دقیق و مشخصات کامل آن را نوشته ام. همچنین اظهار می کنم که تحقیق و موضوع پایان نامه ام تکراری نیست و تعهد می نمایم که بدون مجوز دانشگاه دستاورد های آن را منتشر ننموده و در اختیار غیر قرار ندهم. کلیه حقوق این اثر مطابق با آیین نامه مالکیت فردی و معنوی متعلق به دانشگاه شیراز است.
نام و نام خانوادگی: محسن خدایاری
تاریخ و امضا: 30/06/1392

روشی انتخابی برای راه رفتن از بغل در روبات انساننما
توسط:
محسن خدایاری
پایان نامه
ارائه شده به تحصیلات تکمیلی دانشگاه به عنوان بخشی
از فعالیت‏های تحصیلی لازم برای اخذ درجه کارشناسی ارشد
در رشته:
مهندسی کامپیوتر-هوش مصنوعی
از دانشگاه شیراز
شیراز
جمهوری اسلامی ایران
ارزیابی شده توسط کمیته پایان نامه با درجه:
دکتر شهرام جعفری، استادیار بخش مهندسی و علوم کامپیوتر و فناوری اطلاعات (رئیس کمیته). . . . .
دکتر ستار هاشمی، استادیار بخش مهندسی و علوم کامپیوتر و فناوری اطلاعات . . . . . . . . . .
دکتر علیرضا ذوالقدر اصلی، دانشیار بخش مهندسی مخابرات و الکترونیک. . . . . . . . . .
شهریور ماه 1392
سپاسگزاری
برخود لازم می دانم از زحمات استاد ارجمند جناب آقای دکتر جعفری که در تمام مدت انجام پایان نامه مرا از راهنمایی ها و مساعدت های بی دریغ شان بهره مند نمودند تشکر کنم. همچنین از استادان مشاور خود که با نظرات و راهنمایی های مفیدشان مرا در پیشبرد این پایان نامه یاری نموده اند کمال تشکر را دارم.
در انتها از تمام عزیزانی که مرا در انجام این پروژه تحقیقاتی یاری نمودند کمال تشکر و قدردانی را دارم.
چکیده
روشی انتخابی برای راه رفتن از بغل در روبات انساننما
توسط
محسن خدایاری
امروزه راه رفتن روبات انسان نما یکی از حوزههای جذاب تحقیق در زمینه روباتیک است. چالشهای موجود در کنترل روبات های انسان نما با درجات آزادی بالا، این مساله را در زمره مسائل دشوار در حوزه روباتیک قرار داده است به طوریکه راه رفتن روبات انسان نما را کماکان به عنوان مهمترین توانایی یک روبات طبقهبندی میکنند. در این پایاننامه روشی جدید برای راه رفتن روبات انساننما از بغل مطرح شده است. در این روش بر روی هر یک از مفاصل موثر در راه رفتن روبات یک اتوماتای یادگیر متغیر سوار میشود که طی فرآیند یادگیری بردارهای احتمال مربوط به اتوماتاها به روز میشود و مقادیر مناسب مفاصل برای راه رفتن با توجه به این بردارها انتخاب میشوند. در ادامه این روش یادگیری برای راه رفتن مستقیم و راه رفتن از بغل مورد استفاده قرار میگیرد که نتایج حاصل از شبیهسازی الگوریتم بر روی روبات انساننمای نائو در محیط شبیهسازی فوتبال سهبعدی نشان دهنده نتایج مناسب در راه رفتن مستقیم روبات در مقایسه با روشهای گذشته و همچنین مزایای فراوان بهبود توانایی راه رفتن از بغل در یک روبات انساننما میباشد.
واژه های کلیدی
روبوکاپ ، فوتبال ربات ها، روبات های انسان نما، راه رفتن روبات نائو، اتوماتای یادگیر

فهرست مطالب
فصل اول : مقدمه
2 مقدمه
7 روباتهای انساننما
10 روبوکاپ، انگیزهها و اهداف
13 نرم افزارهای شبیهسازی و مدل روبات
13 1-4-1- شبیهسازی
14 1-4-2- مدل روبات
15 1-4-3- کد پایه
18 راه رفتن روبات انساننما از بغل
19 اهداف
فصل دوم: مروری بر تحقیقات پیشین و روشهای به کار رفته در تحلیل حرکت روبات
21 2-1- مقدمه
22 2-2- تعادل روبات ونقطه گشتاور صفر
25 2-3- حرکتشناسی
27 2-3-1- حرکتشناسی مستقیم
27 2-3-2- حرکتشناسی معکوس
31 2-4- استفاده از سریهای فوریه در تحلیل حرکت روبات
34 2-4-1- بهینهسازی پارامترهای سری فوریه به کمک الگوریتم ژنتیک
37 2-4-2- بهینهسازی پارامترهای سری فوریه به کمک الگوریتم ازدحام ذرات
فصل سوم: طرح پیشنهادی
42 3-1- مقدمه
42 3-2- روبات انساننمای نائو و تحلیل حرکت آن
45 3-3- استفاده از حرکتشناسی در راه رفتن از بغل
46 3-3-1- حرکتشناسی مستقیم
50 3-3-2- حرکتشناسی معکوس
52 3-4- استفاده از اتوماتای یادگیر به منظور راه رفتن روبات
53 3-4-1- روباتهای افزونه
54 3-4-2- اتوماتاهای یادگیر
55 3-4-2-1- اتوماتای یادگیر با ساختار ثابت
58 3-4-2-2- اتوماتای یادگیر با ساختار متغیر
60 3-4-3- روش پیشنهادی در راه رفتن روبات نائو
فصل چهارم: آزمایشها و نتایج
70 4-1- مقدمه
71 4-2- راه رفتن مستقیم
74 4-3- راه رفتن از بغل
79 4-4 تاثیر تعداد مفاصل مورد استفاده در همگرایی سرعت و تعادل روبات
فصل پنجم: نتیجهگیری و مطالعات آینده
85 5-1- جمعبندی
86 5-2- مطالعات آینده
فهرست منابع

فهرست جداول
جدول1-1: مشخصات روبات نائو 15
جدول 1-2: محتویات شاخه های موجود در کد پایه 17
جدول 3-1: مشخصات مفاصل روبات نائو 44
جدول 3-2: مقدار دهی اولیه پارامترهای روبات 51
جدول 3-3: محدودیت اعمال شده به سه مفصل اصلی پا 62
جدول 4-1: تیمهای برتر مسابقات جهانی لیگ شبیهسازی فوتبال سهبعدی 72
جدول 4-2: مقایسه سرعت و تعداد زمین خوردن روبات نائو در راه رفتن مستقیم بدست آمده از روش پیشنهادی با سه تیم برتر جهان 73
جدول 4-3: مقایسه سه مجموعه توانایی. مجموعه اول و دوم حرکت روبات با کمک راه رفتن از جلو وچرخش. مجموعه دوم با کمک راه رفتن مستقیم و راه رفتن از بغل 76
جدول 4-4: مقایسه سرعت و تعداد زمین خوردن روبات در راه رفتن از بغل بدست آمده از روش
پیشنهادی با سه تیم برتر جهان 79

فهرست اشکال
شکل 1-1: مثال هایی از روبات های غیر متحرک 4
شکل1- 2: نمونه هایی از روبات های متحرک بر روی زمین 5
شکل 1-3: کاوشگر کنجکاوی، ماموریت اکتشاف در مریخ 6
شکل 1-4: نمونه هایی از روبات های پرنده 6
شکل 1-5: نمونه هایی از روبات های دریایی 7
شکل 1-6: نمونههایی از روباتهای انساننما 9
شکل 1-7: محیط های شبیه سازی فوتبال دوبعدی و سه بعدی 12
شکل 1-8: محیط های شبیه سازی فوتبال دوبعدی و سه بعدی 12
شکل 1-9: ساختار لایه ای کد پایه 17
شکل 2-1: راه رفتن ایستا 23
شکل 2-2: راه رفتن پویا 24
شکل 2-3: بخشهای مختلف روبات صنعتی 26
شکل 2-4: روبات آموزشی Robonova-1 29
شکل 2-5: مدل ساده شده Robonova-1 30
شکل 2-6: مسیر حرکتی ثبت شده مفاصل کفل و زانوی انسان 32
شکل 2-7: تحلیل یانگ از مسیرهای متناوب ثبت شده توسط نرمافزارPOLYGON 33
شکل 2-8: شمای کلی الگوریتم ژنتیک 36
شکل 2-9: شمای کلی الگوریتم ازدحام ذرات 39
شکل 3-1: اتوماتای یادگیر کرایلوف 43
شکل 3-2: اتوماتای یادگیر کرینسکی 47
شکل 3-3: اتوماتای یادگیر L2N,2 49
شکل 3-4: اتوماتای یادگیر L2,2
50
شکل 3-5: اتوماتای یادگیر در تقابل با محیط 54
شکل 3-6: یک بازوی روباتیک افزونه 55
شکل 3-7: چرخشهای مهم در فضای R3 56
شکل 3-8: روبات صنعتی اسکارا 57
شکل 3-9: اتصال محورهای مختصات به یک بازوی روباتیک 57
شکل 3-10: مفصلبندی روبات نائو 58
شکل 3-11: الگوریتم پیشنهادی برای یدست آوردن مقادیر مفاصل 63
شکل 4-1: زمان میانگین 30 مرتبه اجرا با هر مجموعه توانایی 77
شکل 4-2: تغییرات سرعت روبات در راه رفتن مستقیم با توجه به تعداد مفاصل انتخابی 80
شکل 4-3: تغییرات سرعت روبات در راه رفتن از بغل با توجه به تعداد مفاصل انتخابی 81
شکل 4-4: تاثیر تعداد مفاصل انتخابی در تعداد دفعات زمین خوردن روبات در راه رفتن مستقیم 82
شکل 4-5: تاثیر تعداد مفاصل انتخابی در تعداد دفعات زمین خوردن روبات در راه رفتن از بغل 83

فصل اول:
مقدمه
مقدمه
امروزه روباتیک به عنوان یکی از رشتههای علوم ومهندسی، مورد توجه بسیاری از موسسههای تحقیقاتی قرار گرفته است و به یکی از حوزه های بسیار جذاب تحقیق و پژوهش بدل گشته است، به نحوی که تحقیقات در زمینه روباتیک در شاخه های مختلفی در حال پیگیری است. در زمینه روباتیک سه رویکرد کلی مورد توجه می باشد که تحقیقات در این سه حوزه گسترده رو به پیشرفت میباشد. در رویکرد اول سعی بر ساخت روباتهای مصنوعی و هوشمند کردن آنها با استفاده از الگوریتمهای هوش مصنوعی است، که این رویکرد بسیار پرطرفدار خود به شاخه های گوناگونی تقسیم میشود که در ادامه به معرفی برخی از آنها خواهیم پرداخت. رویکرد دوم به استفاده از هوش طبیعی برای کنترل روباتهای مصنوعی میپردازد. روباتهایی که با کنترل دستی هدایت میشوند در این حیطه قرار میگیرند و در نهایت رویکرد آخر استفاده از روباتهای طبیعی و تربیت آنها برای دست یافتن به اهداف از پیش تعیین شده میباشد. تربیت حیوانات برای انجام اعمال خاص، مثالی از رویکرد سوم میباشد.
روباتها را

متن کامل در سایت homatez.com

مقاله با موضوع خونی، PEVuZE5vdGU+PENpdGU+PEF1dGhvcj5KYXBvbmk8L0F1dGhvcj48WWVhcj4yMDA4PC9ZZWFyPjxS ZWNOdW0+MTI8L1JlY051bT48RGlzcGxheVRleHQ+KDEyKTwvRGlzcGxheVRleHQ+PHJlY29yZD48 cmVjLW51bWJlcj4xMjwvcmVjLW51bWJlcj48Zm9yZWlnbi1rZXlzPjxrZXkgYXBwPSJFTiIgZGIt aWQ9IjBwZmVlYTBmOXhmd2E4ZTJ6ZW52MHp6Z3B4emZ2d3Z2dDJycyI+MTI8L2tleT48L2ZvcmVp Z24ta2V5cz48cmVmLXR5cGUgbmFtZT0iSm91cm5hbCBBcnRpY2xlIj4xNzwvcmVmLXR5cGU+PGNv bnRyaWJ1dG9ycz48YXV0aG9ycz48YXV0aG9yPkphcG9uaSwgQS4sPC9hdXRob3I+PGF1dGhvcj5G YXJzaGFkLCBTLiw8L2F1dGhvcj48YXV0aG9yPkFsYm9yemksIEEuLDwvYXV0aG9yPjxhdXRob3I+ S2FsYW5pLCBNLiw8L2F1dGhvcj48YXV0aG9yPlJhZmFhdHBvdXIsIE4uLDwvYXV0aG9yPjxhdXRo b3I+T2Jvb2RpLCBCLiw8L2F1dGhvcj48YXV0aG9yPlBvdXJhYmJhcywgQi4sPC9hdXRob3I+PC9h dXRob3JzPjwvY29udHJpYnV0b3JzPjxhdXRoLWFkZHJlc3M+UHJvZi4gQWxib3J6aSBDbGluaWNh bCBNaWNyb2Jpb2xvZ3kgUmVzZWFyY2ggQ2VudGVyLCBOZW1hemVlIEhvc3BpdGFsLCBTaGlyYXog VW5pdmVyc2l0eSBvZiBNZWRpY2FsIFNjaWVuY2VzLCBTaGlyYXosIElyYW4uPC9hdXRoLWFkZHJl c3M+PHRpdGxlcz48dGl0bGU+RXBpZGVtaW9sb2d5IGFuZCBhbnRpYmFjdGVyaWFsIHN1c2NlcHRp YmlsaXR5IHBhdHRlcm5zIG9mIGJsb29kc3RyZWFtIGluZmVjdGlvbnMsIDIwMDEtMjAwNDogYW4g ZXhwZXJpZW5jZSB3aXRoIEJBQ1RFQyA5MjQwIGluIFNvdXRoZXJuIElyYW48L3RpdGxlPjxzZWNv bmRhcnktdGl0bGU+UGFrIEogQmlvbCBTY2k8L3NlY29uZGFyeS10aXRsZT48YWx0LXRpdGxlPlBh a2lzdGFuIGpvdXJuYWwgb2YgYmlvbG9naWNhbCBzY2llbmNlczogUEpCUzwvYWx0LXRpdGxlPjwv dGl0bGVzPjxwZXJpb2RpY2FsPjxmdWxsLXRpdGxlPlBhayBKIEJpb2wgU2NpPC9mdWxsLXRpdGxl PjxhYmJyLTE+UGFraXN0YW4gam91cm5hbCBvZiBiaW9sb2dpY2FsIHNjaWVuY2VzOiBQSkJTPC9h YmJyLTE+PC9wZXJpb2RpY2FsPjxhbHQtcGVyaW9kaWNhbD48ZnVsbC10aXRsZT5QYWsgSiBCaW9s IFNjaTwvZnVsbC10aXRsZT48YWJici0xPlBha2lzdGFuIGpvdXJuYWwgb2YgYmlvbG9naWNhbCBz Y2llbmNlczogUEpCUzwvYWJici0xPjwvYWx0LXBlcmlvZGljYWw+PHBhZ2VzPjQyMi03PC9wYWdl cz48dm9sdW1lPjExPC92b2x1bWU+PG51bWJlcj4zPC9udW1iZXI+PGVkaXRpb24+MjAwOC8wOS8y NzwvZWRpdGlvbj48a2V5d29yZHM+PGtleXdvcmQ+QW50aS1CYWN0ZXJpYWwgQWdlbnRzLypwaGFy bWFjb2xvZ3k8L2tleXdvcmQ+PGtleXdvcmQ+RXNjaGVyaWNoaWEgY29saS9kcnVnIGVmZmVjdHMv aXNvbGF0aW9uICZhbXA7IHB1cmlmaWNhdGlvbjwva2V5d29yZD48a2V5d29yZD5IdW1hbnM8L2tl eXdvcmQ+PGtleXdvcmQ+SXJhbjwva2V5d29yZD48a2V5d29yZD5NaWNyb2JpYWwgU2Vuc2l0aXZp dHkgVGVzdHM8L2tleXdvcmQ+PGtleXdvcmQ+UHNldWRvbW9uYXMgYWVydWdpbm9zYS9kcnVnIGVm ZmVjdHMvaXNvbGF0aW9uICZhbXA7IHB1cmlmaWNhdGlvbjwva2V5d29yZD48a2V5d29yZD5TZXBz aXMvKmVwaWRlbWlvbG9neS8qbWljcm9iaW9sb2d5PC9rZXl3b3JkPjxrZXl3b3JkPlN0YXBoeWxv Y29jY3VzIGF1cmV1cy9kcnVnIGVmZmVjdHMvaXNvbGF0aW9uICZhbXA7IHB1cmlmaWNhdGlvbjwv a2V5d29yZD48L2tleXdvcmRzPjxkYXRlcz48eWVhcj4yMDA4PC95ZWFyPjxwdWItZGF0ZXM+PGRh dGU+RmViIDE8L2RhdGU+PC9wdWItZGF0ZXM+PC9kYXRlcz48aXNibj4xMDI4LTg4ODAgKFByaW50 KSYjeEQ7MTAyOC04ODgwPC9pc2JuPjxhY2Nlc3Npb24tbnVtPjE4ODE3MTY2PC9hY2Nlc3Npb24t bnVtPjx1cmxzPjwvdXJscz48cmVtb3RlLWRhdGFiYXNlLXByb3ZpZGVyPk5sbTwvcmVtb3RlLWRh dGFiYXNlLXByb3ZpZGVyPjxsYW5ndWFnZT5lbmc8L2xhbmd1YWdlPjwvcmVjb3JkPjwvQ2l0ZT48 Q2l0ZT48QXV0aG9yPkphcG9uaTwvQXV0aG9yPjxZZWFyPjIwMDg8L1llYXI+PFJlY051bT4xMjwv UmVjTnVtPjxyZWNvcmQ+PHJlYy1udW1iZXI+MTI8L3JlYy1udW1iZXI+PGZvcmVpZ24ta2V5cz48 a2V5IGFwcD0iRU4iIGRiLWlkPSIwcGZlZWEwZjl4ZndhOGUyemVudjB6emdweHpmdnd2dnQycnMi PjEyPC9rZXk+PC9mb3JlaWduLWtleXM+PHJlZi10eXBlIG5hbWU9IkpvdXJuYWwgQXJ0aWNsZSI+ MTc8L3JlZi10eXBlPjxjb250cmlidXRvcnM+PGF1dGhvcnM+PGF1dGhvcj5KYXBvbmksIEEuLDwv YXV0aG9yPjxhdXRob3I+RmFyc2hhZCwgUy4sPC9hdXRob3I+PGF1dGhvcj5BbGJvcnppLCBBLiw8 L2F1dGhvcj48YXV0aG9yPkthbGFuaSwgTS4sPC9hdXRob3I+PGF1dGhvcj5SYWZhYXRwb3VyLCBO Liw8L2F1dGhvcj48YXV0aG9yPk9ib29kaSwgQi4sPC9hdXRob3I+PGF1dGhvcj5Qb3VyYWJiYXMs IEIuLDwvYXV0aG9yPjwvYXV0aG9ycz48L2NvbnRyaWJ1dG9ycz48YXV0aC1hZGRyZXNzPlByb2Yu IEFsYm9yemkgQ2xpbmljYWwgTWljcm9iaW9sb2d5IFJlc2VhcmNoIENlbnRlciwgTmVtYXplZSBI b3NwaXRhbCwgU2hpcmF6IFVuaXZlcnNpdHkgb2YgTWVkaWNhbCBTY2llbmNlcywgU2hpcmF6LCBJ cmFuLjwvYXV0aC1hZGRyZXNzPjx0aXRsZXM+PHRpdGxlPkVwaWRlbWlvbG9neSBhbmQgYW50aWJh Y3RlcmlhbCBzdXNjZXB0aWJpbGl0eSBwYXR0ZXJucyBvZiBibG9vZHN0cmVhbSBpbmZlY3Rpb25z LCAyMDAxLTIwMDQ6IGFuIGV4cGVyaWVuY2Ugd2l0aCBCQUNURUMgOTI0MCBpbiBTb3V0aGVybiBJ cmFuPC90aXRsZT48c2Vjb25kYXJ5LXRpdGxlPlBhayBKIEJpb2wgU2NpPC9zZWNvbmRhcnktdGl0 bGU+PGFsdC10aXRsZT5QYWtpc3RhbiBqb3VybmFsIG9mIGJpb2xvZ2ljYWwgc2NpZW5jZXM6IFBK QlM8L2FsdC10aXRsZT48L3RpdGxlcz48cGVyaW9kaWNhbD48ZnVsbC10aXRsZT5QYWsgSiBCaW9s IFNjaTwvZnVsbC10aXRsZT48YWJici0xPlBha2lzdGFuIGpvdXJuYWwgb2YgYmlvbG9naWNhbCBz Y2llbmNlczogUEpCUzwvYWJici0xPjwvcGVyaW9kaWNhbD48YWx0LXBlcmlvZGljYWw+PGZ1bGwt dGl0bGU+UGFrIEogQmlvbCBTY2k8L2Z1bGwtdGl0bGU+PGFiYnItMT5QYWtpc3RhbiBqb3VybmFs IG9mIGJpb2xvZ2ljYWwgc2NpZW5jZXM6IFBKQlM8L2FiYnItMT48L2FsdC1wZXJpb2RpY2FsPjxw YWdlcz40MjItNzwvcGFnZXM+PHZvbHVtZT4xMTwvdm9sdW1lPjxudW1iZXI+MzwvbnVtYmVyPjxl ZGl0aW9uPjIwMDgvMDkvMjc8L2VkaXRpb24+PGtleXdvcmRzPjxrZXl3b3JkPkFudGktQmFjdGVy aWFsIEFnZW50cy8qcGhhcm1hY29sb2d5PC9rZXl3b3JkPjxrZXl3b3JkPkVzY2hlcmljaGlhIGNv bGkvZHJ1ZyBlZmZlY3RzL2lzb2xhdGlvbiAmYW1wOyBwdXJpZmljYXRpb248L2tleXdvcmQ+PGtl eXdvcmQ+SHVtYW5zPC9rZXl3b3JkPjxrZXl3b3JkPklyYW48L2tleXdvcmQ+PGtleXdvcmQ+TWlj cm9iaWFsIFNlbnNpdGl2aXR5IFRlc3RzPC9rZXl3b3JkPjxrZXl3b3JkPlBzZXVkb21vbmFzIGFl cnVnaW5vc2EvZHJ1ZyBlZmZlY3RzL2lzb2xhdGlvbiAmYW1wOyBwdXJpZmljYXRpb248L2tleXdv cmQ+PGtleXdvcmQ+U2Vwc2lzLyplcGlkZW1pb2xvZ3kvKm1pY3JvYmlvbG9neTwva2V5d29yZD48 a2V5d29yZD5TdGFwaHlsb2NvY2N1cyBhdXJldXMvZHJ1ZyBlZmZlY3RzL2lzb2xhdGlvbiAmYW1w OyBwdXJpZmljYXRpb248L2tleXdvcmQ+PC9rZXl3b3Jkcz48ZGF0ZXM+PHllYXI+MjAwODwveWVh cj48cHViLWRhdGVzPjxkYXRlPkZlYiAxPC9kYXRlPjwvcHViLWRhdGVzPjwvZGF0ZXM+PGlzYm4+ MTAyOC04ODgwIChQcmludCkmI3hEOzEwMjgtODg4MDwvaXNibj48YWNjZXNzaW9uLW51bT4xODgx NzE2NjwvYWNjZXNzaW9uLW51bT48dXJscz48L3VybHM+PHJlbW90ZS1kYXRhYmFzZS1wcm92aWRl cj5ObG08L3JlbW90ZS1kYXRhYmFzZS1wcm92aWRlcj48bGFuZ3VhZ2U+ZW5nPC9sYW5ndWFnZT48 L3JlY29yZD48L0NpdGU+PC9FbmROb3RlPn== ADDIN، ، EN.CITE.DATA(104)،، 1/12%، EN.CITEPEVuZE5vdGU+PENpdGU+PEF1dGhvcj5TYW5hdmk8L0F1dGhvcj48WWVhcj4yMDA3PC9ZZWFyPjxS ZWNOdW0+MTE8L1JlY051bT48RGlzcGxheVRleHQ+KDExKTwvRGlzcGxheVRleHQ+PHJlY29yZD48 cmVjLW51bWJlcj4xMTwvcmVjLW51bWJlcj48Zm9yZWlnbi1rZXlzPjxrZXkgYXBwPSJFTiIgZGIt aWQ9IjBwZmVlYTBmOXhmd2E4ZTJ6ZW52MHp6Z3B4emZ2d3Z2dDJycyI+MTE8L2tleT48L2ZvcmVp Z24ta2V5cz48cmVmLXR5cGUgbmFtZT0iSm91cm5hbCBBcnRpY2xlIj4xNzwvcmVmLXR5cGU+PGNv bnRyaWJ1dG9ycz48YXV0aG9ycz48YXV0aG9yPlNhbmF2aSwgUy48L2F1dGhvcj48YXV0aG9yPkdo b2RzLCBBLjwvYXV0aG9yPjxhdXRob3I+QWZzaGFyLCBSLjwvYXV0aG9yPjwvYXV0aG9ycz48L2Nv bnRyaWJ1dG9ycz48YXV0aC1hZGRyZXNzPklyYW4gVW5pdmVyc2l0eSBvZiBNZWRpY2FsIFNjaWVu Y2UuPC9hdXRoLWFkZHJlc3M+PHRpdGxlcz48dGl0bGU+Q2F0aGV0ZXIgYXNzb2NpYXRlZCBpbmZl Y3Rpb25zIGluIGhlbW9kaWFseXNpcyBwYXRpZW50czwvdGl0bGU+PHNlY29uZGFyeS10aXRsZT5T YXVkaSBKIEtpZG5leSBEaXMgVHJhbnNwbDwvc2Vjb25kYXJ5LXRpdGxlPjwvdGl0bGVzPjxwZXJp b2RpY2FsPjxmdWxsLXRpdGxlPlNhdWRpIEogS2lkbmV5IERpcyBUcmFuc3BsPC9mdWxsLXRpdGxl PjxhYmJyLTE+U2F1ZGkgam91cm5hbCBvZiBraWRuZXkgZGlzZWFzZXMgYW5kIHRyYW5zcGxhbnRh dGlvbiA6IGFuIG9mZmljaWFsIHB1YmxpY2F0aW9uIG9mIHRoZSBTYXVkaSBDZW50ZXIgZm9yIE9y Z2FuIFRyYW5zcGxhbnRhdGlvbiwgU2F1ZGkgQXJhYmlhPC9hYmJyLTE+PC9wZXJpb2RpY2FsPjxw YWdlcz40My02PC9wYWdlcz48dm9sdW1lPjE4PC92b2x1bWU+PG51bWJlcj4xPC9udW1iZXI+PGVk aXRpb24+MjAwNy8wMS8yNDwvZWRpdGlvbj48a2V5d29yZHM+PGtleXdvcmQ+QWR1bHQ8L2tleXdv cmQ+PGtleXdvcmQ+Q2F0aGV0ZXJpemF0aW9uL2FkdmVyc2UgZWZmZWN0cy9pbnN0cnVtZW50YXRp b248L2tleXdvcmQ+PGtleXdvcmQ+Q2F0aGV0ZXJpemF0aW9uLCBDZW50cmFsIFZlbm91cy8qYWR2 ZXJzZSBlZmZlY3RzL2luc3RydW1lbnRhdGlvbjwva2V5d29yZD48a2V5d29yZD5DYXRoZXRlcnMs IEluZHdlbGxpbmcvKmFkdmVyc2UgZWZmZWN0czwva2V5d29yZD48a2V5d29yZD5Dcm9zcy1TZWN0 aW9uYWwgU3R1ZGllczwva2V5d29yZD48a2V5d29yZD5FbnRlcm9jb2NjdXMvaXNvbGF0aW9uICZh bXA7IHB1cmlmaWNhdGlvbjwva2V5d29yZD48a2V5d29yZD5FbnRlcm9jb2NjdXMgZmFlY2FsaXMv aXNvbGF0aW9uICZhbXA7IHB1cmlmaWNhdGlvbjwva2V5d29yZD48a2V5d29yZD5Fc2NoZXJpY2hp YSBjb2xpL2lzb2xhdGlvbiAmYW1wOyBwdXJpZmljYXRpb248L2tleXdvcmQ+PGtleXdvcmQ+RmVt YWxlPC9rZXl3b3JkPjxrZXl3b3JkPkh1bWFuczwva2V5d29yZD48a2V5d29yZD5JcmFuL2VwaWRl bWlvbG9neTwva2V5d29yZD48a2V5d29yZD5LbGVic2llbGxhL2lzb2xhdGlvbiAmYW1wOyBwdXJp ZmljYXRpb248L2tleXdvcmQ+PGtleXdvcmQ+TWFsZTwva2V5d29yZD48a2V5d29yZD5NaWRkbGUg QWdlZDwva2V5d29yZD48a2V5d29yZD5QcmV2YWxlbmNlPC9rZXl3b3JkPjxrZXl3b3JkPlByb3N0 aGVzaXMtUmVsYXRlZCBJbmZlY3Rpb25zL2VwaWRlbWlvbG9neS8qZXRpb2xvZ3kvbWljcm9iaW9s b2d5PC9rZXl3b3JkPjxrZXl3b3JkPlBzZXVkb21vbmFzIGFlcnVnaW5vc2EvaXNvbGF0aW9uICZh bXA7IHB1cmlmaWNhdGlvbjwva2V5d29yZD48a2V5d29yZD5SZW5hbCBEaWFseXNpcy8qbWV0aG9k czwva2V5d29yZD48a2V5d29yZD5SaXNrIEZhY3RvcnM8L2tleXdvcmQ+PGtleXdvcmQ+U3RhcGh5 bG9jb2NjdXMgYXVyZXVzL2lzb2xhdGlvbiAmYW1wOyBwdXJpZmljYXRpb248L2tleXdvcmQ+PGtl eXdvcmQ+VGltZSBGYWN0b3JzPC9rZXl3b3JkPjwva2V5d29yZHM+PGRhdGVzPjx5ZWFyPjIwMDc8 L3llYXI+PHB1Yi1kYXRlcz48ZGF0ZT5NYXI8L2RhdGU+PC9wdWItZGF0ZXM+PC9kYXRlcz48aXNi bj4xMzE5LTI0NDIgKFByaW50KSYjeEQ7MTMxOS0yNDQyPC9pc2JuPjxhY2Nlc3Npb24tbnVtPjE3 MjM3ODkwPC9hY2Nlc3Npb24tbnVtPjx1cmxzPjwvdXJscz48cmVtb3RlLWRhdGFiYXNlLXByb3Zp ZGVyPk5sbTwvcmVtb3RlLWRhdGFiYXNlLXByb3ZpZGVyPjxsYW5ndWFnZT5lbmc8L2xhbmd1YWdl PjwvcmVjb3JkPjwvQ2l0ZT48Q2l0ZT48QXV0aG9yPlNhbmF2aTwvQXV0aG9yPjxZZWFyPjIwMDc8 L1llYXI+PFJlY051bT4xMTwvUmVjTnVtPjxyZWNvcmQ+PHJlYy1udW1iZXI+MTE8L3JlYy1udW1i ZXI+PGZvcmVpZ24ta2V5cz48a2V5IGFwcD0iRU4iIGRiLWlkPSIwcGZlZWEwZjl4ZndhOGUyemVu djB6emdweHpmdnd2dnQycnMiPjExPC9rZXk+PC9mb3JlaWduLWtleXM+PHJlZi10eXBlIG5hbWU9 IkpvdXJuYWwgQXJ0aWNsZSI+MTc8L3JlZi10eXBlPjxjb250cmlidXRvcnM+PGF1dGhvcnM+PGF1 dGhvcj5TYW5hdmksIFMuPC9hdXRob3I+PGF1dGhvcj5HaG9kcywgQS48L2F1dGhvcj48YXV0aG9y PkFmc2hhciwgUi48L2F1dGhvcj48L2F1dGhvcnM+PC9jb250cmlidXRvcnM+PGF1dGgtYWRkcmVz cz5JcmFuIFVuaXZlcnNpdHkgb2YgTWVkaWNhbCBTY2llbmNlLjwvYXV0aC1hZGRyZXNzPjx0aXRs ZXM+PHRpdGxlPkNhdGhldGVyIGFzc29jaWF0ZWQgaW5mZWN0aW9ucyBpbiBoZW1vZGlhbHlzaXMg cGF0aWVudHM8L3RpdGxlPjxzZWNvbmRhcnktdGl0bGU+U2F1ZGkgSiBLaWRuZXkgRGlzIFRyYW5z cGw8L3NlY29uZGFyeS10aXRsZT48L3RpdGxlcz48cGVyaW9kaWNhbD48ZnVsbC10aXRsZT5TYXVk aSBKIEtpZG5leSBEaXMgVHJhbnNwbDwvZnVsbC10aXRsZT48YWJici0xPlNhdWRpIGpvdXJuYWwg b2Yga2lkbmV5IGRpc2Vhc2VzIGFuZCB0cmFuc3BsYW50YXRpb24gOiBhbiBvZmZpY2lhbCBwdWJs aWNhdGlvbiBvZiB0aGUgU2F1ZGkgQ2VudGVyIGZvciBPcmdhbiBUcmFuc3BsYW50YXRpb24sIFNh dWRpIEFyYWJpYTwvYWJici0xPjwvcGVyaW9kaWNhbD48cGFnZXM+NDMtNjwvcGFnZXM+PHZvbHVt ZT4xODwvdm9sdW1lPjxudW1iZXI+MTwvbnVtYmVyPjxlZGl0aW9uPjIwMDcvMDEvMjQ8L2VkaXRp b24+PGtleXdvcmRzPjxrZXl3b3JkPkFkdWx0PC9rZXl3b3JkPjxrZXl3b3JkPkNhdGhldGVyaXph dGlvbi9hZHZlcnNlIGVmZmVjdHMvaW5zdHJ1bWVudGF0aW9uPC9rZXl3b3JkPjxrZXl3b3JkPkNh dGhldGVyaXphdGlvbiwgQ2VudHJhbCBWZW5vdXMvKmFkdmVyc2UgZWZmZWN0cy9pbnN0cnVtZW50 YXRpb248L2tleXdvcmQ+PGtleXdvcmQ+Q2F0aGV0ZXJzLCBJbmR3ZWxsaW5nLyphZHZlcnNlIGVm ZmVjdHM8L2tleXdvcmQ+PGtleXdvcmQ+Q3Jvc3MtU2VjdGlvbmFsIFN0dWRpZXM8L2tleXdvcmQ+ PGtleXdvcmQ+RW50ZXJvY29jY3VzL2lzb2xhdGlvbiAmYW1wOyBwdXJpZmljYXRpb248L2tleXdv cmQ+PGtleXdvcmQ+RW50ZXJvY29jY3VzIGZhZWNhbGlzL2lzb2xhdGlvbiAmYW1wOyBwdXJpZmlj YXRpb248L2tleXdvcmQ+PGtleXdvcmQ+RXNjaGVyaWNoaWEgY29saS9pc29sYXRpb24gJmFtcDsg cHVyaWZpY2F0aW9uPC9rZXl3b3JkPjxrZXl3b3JkPkZlbWFsZTwva2V5d29yZD48a2V5d29yZD5I dW1hbnM8L2tleXdvcmQ+PGtleXdvcmQ+SXJhbi9lcGlkZW1pb2xvZ3k8L2tleXdvcmQ+PGtleXdv cmQ+S2xlYnNpZWxsYS9pc29sYXRpb24gJmFtcDsgcHVyaWZpY2F0aW9uPC9rZXl3b3JkPjxrZXl3 b3JkPk1hbGU8L2tleXdvcmQ+PGtleXdvcmQ+TWlkZGxlIEFnZWQ8L2tleXdvcmQ+PGtleXdvcmQ+ UHJldmFsZW5jZTwva2V5d29yZD48a2V5d29yZD5Qcm9zdGhlc2lzLVJlbGF0ZWQgSW5mZWN0aW9u cy9lcGlkZW1pb2xvZ3kvKmV0aW9sb2d5L21pY3JvYmlvbG9neTwva2V5d29yZD48a2V5d29yZD5Q c2V1ZG9tb25hcyBhZXJ1Z2lub3NhL2lzb2xhdGlvbiAmYW1wOyBwdXJpZmljYXRpb248L2tleXdv cmQ+PGtleXdvcmQ+UmVuYWwgRGlhbHlzaXMvKm1ldGhvZHM8L2tleXdvcmQ+PGtleXdvcmQ+Umlz ayBGYWN0b3JzPC9rZXl3b3JkPjxrZXl3b3JkPlN0YXBoeWxvY29jY3VzIGF1cmV1cy9pc29sYXRp b24gJmFtcDsgcHVyaWZpY2F0aW9uPC9rZXl3b3JkPjxrZXl3b3JkPlRpbWUgRmFjdG9yczwva2V5 d29yZD48L2tleXdvcmRzPjxkYXRlcz48eWVhcj4yMDA3PC95ZWFyPjxwdWItZGF0ZXM+PGRhdGU+ TWFyPC9kYXRlPjwvcHViLWRhdGVzPjwvZGF0ZXM+PGlzYm4+MTMxOS0yNDQyIChQcmludCkmI3hE OzEzMTktMjQ0MjwvaXNibj48YWNjZXNzaW9uLW51bT4xNzIzNzg5MDwvYWNjZXNzaW9uLW51bT48 dXJscz48L3VybHM+PHJlbW90ZS1kYXRhYmFzZS1wcm92aWRlcj5ObG08L3JlbW90ZS1kYXRhYmFz ZS1wcm92aWRlcj48bGFuZ3VhZ2U+ZW5nPC9sYW5ndWFnZT48L3JlY29yZD48L0NpdGU+PC9FbmRO b3RlPn== ADDIN، ،

NameEmailWebsite

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *