تماس و مشورت با مدرس دوره : 09153516772

چکیده

امروزه آنتن‌های ریزنواری به خاطر مزایای بی‌شماری که دارند، به طور وسیعی در کاربردهای مختلف مخابراتی به کار می‌روند. این آنتن‌ها معمولاً پهنای باند امپدانسی کمی داشته و لذا روش‌های متعددی جهت رفع این نقیصه پیشنهاد شده است.
برای بهینه سازی آنتن‌های ریزنواری به منظور دستیابی به بیشترین پهنای باند، عموماً از یکی از روش‌های مطالعه‌ی پارامتری یا بهینه‌سازی استفاده می‌شود که روش اول مبتنی بر سعی و خطا بوده، و روش دوم به علت دشواری ارزیابی تابع هدف، پیچیده و زمان‌بر است.
در این پروژه ابتدا با استفاده از قابلیت شبکه‌های عصبی-فازی در تقریب توابع غیرخطی پیچیده، مشخصات یک آنتن تک‌قطبی مسطح با پچ دایره‌ای (شامل تلفات بازگشتی، امپدانس ورودی و الگوی تشعشعی)، به صورت تابعی از پارامترهای آن تخمین زده می‌شود.

سیستم‌های استنتاج فازی-عصبی وفقی(ANFIS) که با داده‌های بدست آمده از نرم‌افزار HFSS آموزش داده شده برای این منظور به کار رفته است. پارامترهای تخمین زده شده با این روش، در مقایسه با حل دقیق بدست آمده از HFSS از دقت خوبی برخوردار بوده به نحوی که میانگین مربع خطا برای مشخصات مختلف آنتن، در بدترین حالت ۰/۰۴۴۵می‌باشد.

در فرایند بهینه‌سازی با تعریف یک تابع هدف مناسب و بهینه‌سازی آن با الگوریتم ژنتیک، مقادیر پارامترهای فیزیکی بهینه‌ی تک‌قطبی‌های مسطح با پچ دایره‌ای، بیضوی و مستطیلی، جهت بیشینه نمودن پهنای باند آنها به‌دست آمده‌است.
مقایسه‌ی مقادیر به دست آمده با مقادیر متناظر حاصل از تحلیل پارامتری یا بهینه‌سازی‌های متداول در مطالعات پیشین، حاکی از دقت روش پیشنهادی است.
همچنین روش پیشنهادی، روشی قاعده مند برای بهینه سازی ارائه می‌نماید که سریع‌تر از روش‌های بهینه‌سازی متداول است، به‌طوری که حتی اگر با فرضی خوش‌بینانه، تعداد تکرارها در روش‌های بهینه‌سازی متداول ۲۰ فرض شود (غالباً الگوریتم‌هایی که سرعت همگرایی بالایی دارند نیز به تکرارهای بیشتری نیاز دارند) روش پیشنهادی حداقل دو برابر سریع‌تر به جواب‌های بهینه منجر می‌شود.
این به دلیل آن است که در روش پیشنهادی، برنامه HFSS که زمان‌بر می‌باشد، به تعداد دفعات محدودی (مثلا ۱۰ بار) صرفاً برای تولید داده‌های آموزشی اجرا می‌شود و بهینه سازی در محیط MATLAB و بدون نیاز به اجرای HFSS انجام می‌شود.

فهرست:

فصل اول:مقدمه …………………………………………………………………………………………………………………………….. ۱
فصل دوم: شبکه‌های عصبی-فازی و الگوریتم‌های ژنتیک ……………………………………………………………. ۷
۲-۱- مقدمه …………………………………………………………………………………………………………………………………… ۷
۲-۲- نرون‌های فازی …………………………………………………………………………………………………………………… ۱۰
۲-۳- سیستم‌های استنتاج فازی مبتنی بر شبکه‌های وفقی (ANFIS) …………………………………… 11
۲-۳-۱- مثالی از عملکرد یک ANFIS ……………………………………………………………………………………….12
۲-۴- الگوریتم‌های ژنتیک (GAs) ………………………………………………………………………………………………15
۲-۴-۱- کلیات ……………………………………………………………………………………………………………………………. ۱۵
۲-۴-۲- کاربردهای الگوریتم‌های ژنتیک …………………………………………………………………………………… ۱۶
۲-۴-۳- واژگان فنی GA …………………………………………………………………………………………………………….16
۲-۴-۴- عملگرهای ژنتیک …………………………………………………………………………………………………………. ۱۸
۲-۴-۵- مثالی از عملکرد الگوریتم ژنتیک ……………………………………………………………………………………۲۰
فصل سوم: چگونگی استفاده از ANFIS در تقریب مشخصات آنتن‌های ریزنواری و به کارگیری الگوریتم ژنتیک جهت بهینه‌سازی پارامترهای آن ……………………………………………………………………… ۲۵
۳-۱- مقدمه …………………………………………………………………………………………………………………………………۲۵
۳-۲- به‌کارگیری شبکه‌های عصبی (یا عصبی-فازی) جهت تقریب مشخصات آنتن‌های ریزنواری…………………………………………………………………………………………………………………………………………..۲۶
۳-۳- روش‌های مختلف بهینه‌سازی آنتن‌های ریزنواری ……………………………………………………………. ۲۷
۳-۳-۱- مثال‌هایی از استخراج تابع هدف به کمک تحلیل عددی ……………………………………………. ۲۷
۳-۳-۲- مثال‌هایی از روش شبیه‌سازی توأم ……………………………………………………………………………… ۳۲
فصل چهارم: روشی سیستماتیک در طراحی و بهینه‌سازی آنتن‌های ریزنواری فراپهن‌باند با استفاده از شبکه‌های عصبی-فازی و الگوریتم ژنتیک ……………………………………………………………………………… ۴۱
۴-۱- مقدمه …………………………………………………………………………………………………………………………………..۴۱
۴-۲- استخراج مشخصات یک آنتن ریزنواری فراپهن‌باند با پچ دایره‌ای به کمک شبکه‌های عصبی-فازی …………………………………………………………………………………………………………………………………………….. ۴۲
۴-۳- بهینه‌سازی پهنای باند آنتن ریزنواری با پچ دایره‌ای به کمک الگوریتم ژنتیک ………………. ۵۲
۴-۴- بهینه‌سازی پهنای باند آنتن ریزنواری با پچ بیضوی به کمک الگوریتم ژنتیک ……………….. ۵۶
۴-۵- بهینه‌سازی پهنای باند آنتن ریزنواری با پچ مستطیلی به کمک الگوریتم ژنتیک ……………..۶۰
فصل پنجم: نتیجه‌گیری و پیشنهادها ……………………………………………………………………………………………۶۹
۵-۱- نتیجه‌گیری ……………………………………………………………………………………………………………………… ۶۹
۵-۲- پیشنهادها ………………………………………………………………………………………………………………………….. ۷۲
۵-۲-۱- استفاده از روش پیشنهادی جهت بهینه‌سازی دیگر مشخصات آنتن‌های ریزنواری ……. ۷۲
۵-۲-۲- تقریب و بهینه‌سازی توأم دو یا چند مشخصه با روش پیشنهادی و تعریف تابع هدف ترکیبی …………………………………………………………………………………………………………………………………………. ۷۳
۵-۲-۳- تقریب مشخصات آنتن به کمک شبکه‌های عصبی پویا ………………………………………………. ۷۴
۵-۲-۴- تقریب مشخصات با در نظر گرفتن ثابت دی‌الکتریک و ضخامت زیرلایه به عنوان پارامترهای ورودی و سپس ثابت نگه داشتن آنها در طول فرایند بهینه‌سازی ………………………….. ۷۵
۵-۲-۵- ایجاد تنوع در داده‌های آموزشی با در نظر گرفتن پارامترهای بیشتر و تحلیل آنتن به‌ازای این پارامترها در محدوده‌های فرکانسی کوچکتر ………………………………………………………………………… ۷۶
۵-۲-۶- بهینه‌سازی تابع هدف تقریبی با الگوریتم‌های دیگر ……………………………………………………. ۷۶

 

مقدمه
ایده ی تشعشع کننده های ریزنواری اولین بار در سال ۱۹۵۳توسط Deschampsمطرح شد و متعاقب آن در سال ۱۹۵۵در فرانسه اختراعی در این زمینه به وسیله ی Guttonو Biassionot به ثبت رسید. اما ۲۰سال طول کشید تا این آنتنها ساخته شوند.

در دهه ی ۱۹۷۰با پیدایش زیرلایه های مناسب با تانژانت تلفات کم و خصوصیات گرمایی و مکانیکی خوب و همچنین بهبود مدل های تئوری، ساخت این آنتنها سرعت گرفت و اولین آنتن ریزنواری عملی توسط Howellو Munsonساخته شد. از آن زمان به بعد به خاطر مزایای متعدد آنتن های ریزنواری تحقیقات در این زمینه رشد چشمگیری کرده و همچنان نیز ادامه دارد.

به طور ایده آل ثابت دیالکتریک زیرلایه باید کم باشد تا میدانهای کناری که در تشعشع به حساب می آیند افزایش یابند اما ممکن است برای بهبود عملکرد دیگر پارامترها، به ناچار از زیرلایه هایی با دی الکتریک بیشتر استفاده شود.

در مقایسه با آنتن های مایکروویو سنتی، آنتن های ریزنواری مزایای چندی دارند و برای کاربردهایی در محدودهی فرکانسی ~۱۰۰MHzتا ~۱۰۰GHzطراحی میشوند. بعضی از مزایای آنتن های ریزنواری در مقایسه با آنتن های مرسوم عبارتند از:

شکل) :(۱-۱نمایی از یک آنتن ریزنواری].

وزن و حجم کم و اندازه ی کوچک؛ هزینه ی ساخت کم که منجر به مقرون به صرفه بودن تولید انبوه آنتن میشود؛ آنتنهای دارای دو یا چند باند فرکانسی و دارای دو قطبی شدگی به راحتی قابل ساختند؛ این آنتن ها به راحتی با مدارهای مایکرویوی قابل مجتمع شدن هستند؛ میتوان خطوط تغذیه و شبکه های تطبیق را همزمان با خود آنتن ساخت.
اما آنتن های ریزنواری در مقایسه با آنتنهای سنتی محدودیت هایی نیز دارند که برخی از آنها عبارتند از:

پهنای باند کم و مشکلات تولرانسی مربوطه؛
اغلب آنتنهای ریزنواری در نصف فضا تشعشع میکنند؛
قابلیت حمل و انتشار توانهای بالا را ندارند (نهایتاً تا حدود ۱۰۰وات)؛
دستیابی به خلوص پلاریزاسیون در این آنتنها دشوار است؛
خطوط تغذیه و تقاطعها باعث تشعشعات اضافی میشوند.

کم بودن پهنای باند را میتوان به نوعی عمدهترین محدودیت آنتنهای ریزنواری به حساب آورد به طوری که بعضی از این آنتنها پهنای باند امپدانسی کمتر از %۱دارند حال آنکه آنتن های مرسوم همچون دوقطبی ها، آنتن های شکافی و موج برهای بوقی شکل، دارای پهنای باند امپدانسی بین ۱۵تا %۵۰میباشند.

بنابراین از زمان پیدایش این آنتن ها تحقیقات جهت افزایش پهنای باند آنها آغاز شده است و تاکنون مقالات زیادی در این زمینه به چاپ رسیده است. با توجه به اینکه یک آنتن دارای پارامترهای زیادی است که با فرکانس تغییر میکنند، براساس مقدار مطلوب هریک از این پارامترها تعاریف متفاوتی برای پهنای باند خواهیم داشت.

برای یک آنتن ریزنواری پچ، الگوی تشعشعی شبیه به الگوی تشعشعی یک دوقطبی است. بنابراین پهنای باند الگو، پهنای بیم، گلبرگ های کناری و بهره با تغییر فرکانس آنچنان دست خوش تغییر نمیشوند اما امپدانس ورودی این آنتن به شدت به فرکانس وابسته است.پهنای باند امپدانسی یک آنتن ریزنواری تشدیدی با فرکانس تشدید مدار معادل آن ارزیابی میشود.
به طورکلی عمده ترین روشهای پهن باند سازی آنتن های ریزنواری عبارتند از:

انتخاب مناسب پارامترهای زیرلایه
انتخاب مناسب شکل پچ
انتخاب تکنیکهای تغذیهای مناسب؛
استفاده از المانهای پشتهای؛
استفاده از المانهای پارازیتی همسطح؛
استفاده از تکنیک بارگذاری مقاومتی با تزریق تلفات در آنتن.

در هریک از روشهای فوق غالباً پارامترهای بهینهی آنتن جهت افزایش پهنای باند به دو صورت مشخص میشوند. ابتدائی ترین و در عین حال ساده ترین روشی که به نظر میرسد، روش
سعی و خطاست که در آن محققین آن قدر پارامترهای آنتن را تغییر میدهند تا پهنای باند مطلوب حاصل شود.

از سوی دیگر در روش دوم براساس تکنیکهای متداول بهینه سازی مقادیر بهینه ی این پارامترها حاصل میشوند.هریک از روشهای فوق محاسن و معایبی دارند.

به عنوان مثال در روش مطالعه ی پارامتری علیرغم سادگی، لازم است آنتن مورد نظر به دفعات تحلیل شده و نتایج آنها بررسی شوند. بدیهی است در این روش هیچ تضمینی وجود ندارد که نتیجهی مطلوب حاصل شود. از سوی دیگر در روش مبتنی بر بهینه سازی، با وجود سیستماتیک بودن روش حل مسئله، یافتن تابع هدف (تابعی که باید بهینه شود) غالباً کاری دشوار است.

به عبارت دیگر بدست آوردن تابعی که پهنای باند آنتن (یا امپدانس ورودی آن)را با فرم بسته ای به پارامترهای آن مربوط سازد، به سادگی امکان پذیر نمیباشد و غالباً این پهنای باند با محاسبات پیچیده و طاقت فرسا بدست می آید.

در این حالت برای ساده سازی مسئله میتوان از مدلهای تقریبی مثل مدل cavityیا مدل خط انتقال استفاده کرد ([۵-۸])که البته دقت کمتری نسبت به تحلیل تمام موج دارند.

البته باید توجه داشت به گونه ای دیگر نیز میتوان این روش را به کار برد. در بسیاری از مقالات مندرج در نشریات علمی معتبر، نرم افزارهایی که تحلیل های دقیق میدانی انجام میدهند )مثل IE3D ،CST Microwave ،HFSSو غیره) برای ارزیابی تابع هدف به کار گرفته شده اند در این حالت اگرچه دقت تحلیل ها بالا است اما معمولاً زمان زیادی لازم است تا یک ساختار مشخص تحلیل شود.

بنابراین بهینه سازی یک آنتن با این روش و با به کار گیری الگوریتمهای مبتنی بر تکرار (مثل ژنتیک) ممکن است روزها و حتی هفتهها به طول انجامد.
اگرچه هنوز در مقالات بسیاری از روش تحلیل پارامتری برای رسیدن به هدفی خاص استفاده میشود اما روزبه روز به تعداد مقالاتی که در آنها از یکی از روشهای بهینه سازی استفاده شده است، بیشتر میشود.

این امر دو علت عمده دارد: یکی اینکه سیستماتیک بودن حل مسئله باعث میشود که جوابها واقعاً بهینه باشند (برخلاف روش تحلیل پارامتری)و دوم اینکه امروزه با در اختیار داشتن نرم افزارها و سیستمهای کامپیوتری قدرتمند حل مسائل بسیار پیچیده نیز امکان پذیر شده است.

طبیعی است در این روش الگوریتم هایی که سریعتر و با پیچیدگی کمتری به جواب بهینه برسند، بیشتر مورد توجه قرار میگیرند. پیگیری روند مقالات چاپ شده در مجلات معتبر نیز نشان میدهد که محققان اخیراً اهتمام زیادی به استفاده از این روشها ورزیده اند.
اخیراً محققان به این فکر افتادهاند تا با استفاده از قابلیت شبکه های عصبی (و عصبی-فازی) در تقریب توابع غیرخطی، رابطه ی بین پهنای بانـد و پارامترهـای آن را بیابنـد. مراجـع [۱۲,۱۳]
نمونه ای از این فعالیتها را نشـان مـیدهنـد. البتـه اسـتفاده از شـبکههـای عصـبی در اسـتخراج مشخصات آنتنها منحصراً به پهنای باند محدود نمیشود، بلکه روشهای مختلـف طراحـی [۱۴,۱۵]
و همچنین محاسبه ی فرکانس تشدید آنتن های مختلف ([۱۶,۱۸])را نیز دربرمیگیرد.
در این پایان نامه به کمک شبکه های عصـبی-فـازی ابتـدا مشخصـات آنـتنهـای ریزنـواری فراپهناباند (مثل امپدانس ورودی آنها) را تقریب زده و سپس با تعریف یک تابع هدف مناسب بـرای
اعمال به الگوریتم ژنتیک، پهنای باند این آنتنها به روشی سیسـتماتیک بیشـینه مـیشـود. نشـان خواهیم داد که با روش پیشنهادی، پارامترهای بهینه ی آنـتن بـا دقتـی بـالا و نزدیـک بـه مقـادیر
گزارش شده در مقالات و البته بسیار سریع تر از روشهای ذکر شده در آنها به دست می آیند.

نتیجه گیری

همانگونه که در فصلهای قبل نیز اشاره شد محققان جهت طراحی و بهینه سازی آنتن های ریزنواری با دشواری هایی روبرو هستند. با وجود در دسترس بودن نرم افزارهای میدانی قوی (مثلIE3D ،CST ،HFSSو غیره) که تحلیل تمام موج دقیق انجام میدهند به علت زمانبر بودن تحلیل در این نرم افزارها فرایند طراحی آنتن های ریزنواری غالباً وقتگیر است.

از سوی دیگر یافتن تابع هدف در فرایند بهینه سازی نیز مسئله ای چالش زاست چرا که اصولاً ایجاد ارتباط بین پارامترهای آنتن و مشخصات آن از طریق تحلیلهای ریاضی دقیق امکان پذیر نبوده و تنها برای بعضی ساختارهای ساده به کمک تحلیل عددی میسر است.

اخیراً محققان به این فکر افتادهاند که با استفاده از قابلیت شبکه های عصبی، سیستمهای فازی و شبکه های عصبی-فازی در تقریب توابع غیرخطی و پیچیده، به نوعی مشخصات آنتن را به پارامترهای آن مرتبط سازند. مراجع [۱۸-۱۲, ۲۶-۲۴]نمونه ای از این فعالیتها را نشان می دهند. در این مقالات از دادههای عملی یا دادههای حاصل از شبیه سازی برای آموزش شبکه های مذبور استفاده شده است.

در تمام این پژوهشها پس از آموزش شبکه و نشان دادن دقت تقریبی شان با داده های آزمایشی کافیست پارامترهای مورد نظر را به شبکه اعمال کرد ومشخصه ی مطلوب را به دست آورد. بدیهی است این کار در مقایسه با ساخت آنتن بسیارکم هزینه تر و در مقایسه با شبیه سازی آن با نرم افزارهای مایکرویوی بسیار سریعتر میباشد.

البته باید توجه داشت که استفاده از این شبکه ها صرفاً به استخراج مشخصات آنتن های ریزنواری محدود نمیشود بلکه مشخصات سایر ادوات مایکرویوی را نیز میتوان با این سیستمها تقریب زد. [۲۲-۲۳,۳۸-۴۰]و نمونه ای از این فعالیت ها را نشان میدهند.

از سوی دیگر همانگونه که در بخشهای قبل نیز بیان شد روشهای بهینه سازی آنتن های ریزنواری به دو دسته ی کلی تقسیم میشوند یکی مطالعات پارامتری توأم با سعی و خطا و دیگری استفاده از یک روش بهینه سازی با محاسبه ی تابع هدف به کمک روشهای عددی یا استفاده از یک نرم افزار مایکرویوی جهت ارزیابی آن از آنجا که در مطالعات پارامتری هیچ تضمینی وجود ندارد که حتی پس از اجرای متعدد برنامه نتیجه ی مطلوب حاصل شود محققان اخیراً بیشتر از روش بهینه سازی که روشی سیستماتیک است، استفاده کرده اند.

روش بهینه سازی با استفاده از شیوهه ای متداول فوق الذکر نیز با مشکلاتی مواجه است. از طرفی محاسبهی تابع هدف برای بسیاری از ساختارها به کمک روش های تحلیلی، پیچیده یا غیر ممکن است و از سوی دیگر روش بهینه سازی توأم با اتصال یک نرم افزار مایکرویوی و نرم افزاری که الگوریتم بهینه سازی در آن اجرا میشود، انجام میگیرد که فرایندی زمانبر است.

زیرا در حلقه های بهینه سازی الگوریتمهای مختلف، نیاز است به دفعات به تابع هدف (که از طریق نرم افزار مایکروویوی ارزیابی میشود) ارجاع داده شود و با توجه به وقتگیر بودن تحلیل تمام موج در این نرم افزارها بعضاً روزها و حتی هفته ها طول میکشد تا پارامترهای یک آنتن بهینه شوند.

بنابراین اگر بتوان با تقریبی خوب مشخصات آنتن را به گونه ای به پارامترهای آن مربوط ساخت که برای هربار ارجاع به تابع هدف نیاز به صرف زمان زیادی نباشد، این امکان وجود دارد که با بهینه سازی این تابع تقریبی پارامترهای بهینه ی آنتن به دست آیند. در این پژوهش این ایده مورد آزمایش قرار گرفت.

بدین صورت که ابتدا به ازای چند پارامتر محدود سه ساختار متفاوت از آنتن های ریزنواری به وسیله ی نرم افزار HFSSتحلیل شدند پس از آن با استفاده از داده های حاصله، چندین شبکهی عصبی-فازی (که هریک معرف یک مشخصهی خاص بودند)آموزش داده شد.

سپس با اعمال داده های آزمایشی به شبکه های مذبور و مقایسه ی خروجی آنها با مقادیر متناظر حاصل از شبیه سازی دقیق با ،HFSSدقت تقریب به اثبات رسید. در ادامه و در فرایند بهینه سازی، یک تابع هدف مناسب تعریف و به کمک یک شبکه ی عصبی-فازی تقریب زده شد وبا اعمال الگوریتم ژنتیک به آن پارامترهای بهینه ی آنتن ها جهت بیشینه نمودن پهنای باند به دست آمد.

به طور کلی میتوان روند اجرای این پایان نامه را در چهار مرحله ی زیر خلاصه کرد:
استخراج داده های اولیه با شبیه سازی آنتن مورد نظر در نرم افزار .HFSS
آموزش یک شبکه ی عصبی-فازی مناسب.
استفاده از این شبکه به عنوان تابع هدف در الگوریتم ژنتیک.
اعمال مقادیر بهدست آمده از الگوریتم ژنتیک در ساختار آنتن و استخراج مشخصات آن به کمک نرم افزار HFSS

شایان ذکر است این روش برای سه آنـتن ریزنـواری بـا پـچ دایـرهای، بیضـوی و مسـتطیلی آزمایش شد و نتایج حاصله از آن انطباق خوبی با نتایج گـزارش شـده در [۳۳ ،۲۹و ۳۴]داشـتند. البته باید توجه داشت که روش پیشنهادی در مقایسه با [ ۲۹و ۳۳]سیستماتیک تر و در مقایسه بـا [۳۴]سریعتر میباشد.

علت سیستماتیک تر بودن این روش در مقایسـه بـا [۲۹,۳۳]بهینـه سـازی بـا اسـتفاده از مطالعه ی پارامتری در این دو مرجـع، و دلیـل سـریعتـر بـودن روش پیشـنهادی نسـبت بـه [۳۴]استفاده از روش بهینه سازی توأم در این مقالـه مـیباشـد.

در حقیقـت در[۳۴]پارامترهـای آنـتن ریزنواری با پچ مستطیلی در یک حلقه ی بهینه سـازی بـا روش شـبه نیـوتن و بـا اجراهـای متعـدد نرم افزار ،HFSSبهینه شده اند حال آنکه در روش پیشنهادی تنهـا ۱۰بـار نـرم افـزار ،HFSSاجـرا میشود و بقیه ی فرایند بهینه سازی در قالب تخمـین تـابع هـدف و همچنـین بهینـه سـازی آن در نرم افزار MATLABاجرا شده که زمان اجرای آن در مقایسه با یک بار تحلیل سـاختار مربوطـه در HFSSبسیار ناچیز است.

(هربار اجرای HFSSبرای آنتنهای ریزنواری بـا پـچ دایـرهای و بیضـوی حدود ۹۰دقیقه و برای آنتن با پچ مستطیلی حدوداً ۲۵دقیقه است حال آنکه کـل زمـان آمـوزش شبکه با الگوریتم ترکیبی و بهینه سازی تابع هدف تقریبی بهوسیله ی الگوریتم ژنتیک بـه ۳۰ثانیـه هم نمیرسد)

————————————————————————————————————————————–

شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

————————————————————————————————————————————–